本文介绍了多种基于深度学习的电阻抗层析成像（EIT）重建方法，包括新型绝对电阻抗层析成像技术和Diff-INR方法。这些方法利用卷积神经网络和几何先验，提高了成像的精度和稳定性，展示了在医疗和工业领域的应用潜力。实验结果表明，这些技术在重建复杂电导率分布方面具有显著优势。

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。