A Weighted Minimum Gradient Problem with Complete Electrode Model Boundary Conditions for Conductivity Imaging
Notice bibliographique
Résumé
We consider the inverse problem of recovering an isotropic electrical conductivity from interior knowledge of the magnitude of one current density field generated by applying current on a set of electrodes. The required interior data can be obtained by means of MRI measurements. On the boundary we only require knowledge of the electrodes, their impedances, and the corresponding average input currents. From the mathematical point of view, this practical question leads us to consider a new weighted minimum gradient problem for functions satisfying the boundary conditions coming from the complete electrode model (CEM) of Somersalo, Cheney, and Isaacson [SIAM J. Appl. Math., 52 (1992), pp. 1023--1040]. We show that this variational problem has nonunique solutions. The surprising discovery is that the physical data is still sufficient to determine the geometry of (the connected components of) the level sets of the minimizers. We thus obtain an interesting phase retrieval result: knowledge of the input current at the boundary allows determination of the full current vector field from its magnitude. We characterize locally the nonuniqueness in the variational problem. In two and three dimensions we also show that additional measurements of the voltage potential along a curve joining the electrodes yield unique determination of the conductivity. The proofs involve a maximum principle and a new regularity up to the boundary result for the CEM boundary conditions. A nonlinear algorithm is proposed and implemented to illustrate the theoretical results.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».