该研究提出了一个两阶段混合学习框架，将卷积神经网络和物理知识驱动的神经网络结合起来解决电阻抗层析成像问题。该框架在PINN框架中解耦了正向和逆向问题。

该文介绍了一种基于转换器的深度直接抽样方法，用于电阻抗层析成像中的逆问题。该方法通过引入局部微分方程的特征映射和可学习的非局部核心，将直接采样转化为修正的注意机制。实验证明，该方法比先前的研究具有更高的精度，并且对噪声具有鲁棒性。