Effect of Measurement Noise on Reconstruction using Machine Learning with Electrical Tomography in the Case of the Abdominal Cavity
Fragment książki (Rozdział monografii pokonferencyjnej)
MNiSW
20
Poziom I
| Status: | |
| Autorzy: | Baran Bartłomiej, Przysucha Bartosz, Rymarczyk Tomasz, Wójcik Dariusz |
| Dyscypliny: | |
| Aby zobaczyć szczegóły należy się zalogować. | |
| Wersja dokumentu: | Drukowana | Elektroniczna |
| Język: | angielski |
| Strony: | 1 - 6 |
| Scopus® Cytowania: | 0 |
| Bazy: | Scopus |
| Efekt badań statutowych | NIE |
| Materiał konferencyjny: | TAK |
| Nazwa konferencji: | 2023 International Interdisciplinary PhD Workshop |
| Skrócona nazwa konferencji: | IIPhDW 2023 |
| URL serii konferencji: | LINK |
| Termin konferencji: | 3 maja 2023 do 5 maja 2023 |
| Miasto konferencji: | Wismar |
| Państwo konferencji: | NIEMCY |
| Publikacja OA: | NIE |
| Abstrakty: | angielski |
| In this paper, we compare the reconstruction efficiency obtained by the least angle regression (LARS) and Elastic Net algorithms using electrical impedance tomography (EIT). Furthermore, we investigate the impact of measurement noise on the quality of reconstruction obtained by the more efficient algorithm. We reveal the relationship between the quality of reconstruction and the magnitude of information loss in a data frame. This study was conducted on a dataset representing EIT measure- ments for a cross-section of the abdomen at the bladder level. The simulated dataset contains 10,000 different mea- surement examples for a different number of inclusions. |
