[发明专利]基于残差网络的磁共振信号的时频变换和相位校正的方法

权利要求书

1.基于残差网络的磁共振信号的时频变换和相位校正的方法，其特征在于包括以下步骤：

1)根据FID信号的特征，构建同时存在零阶相位失调与一阶相位失调的自由感应衰减时域信号的数学模型和理想的吸收谱，即无相位失调的频谱实部的数学模型，由数学模型生成仿真信号，构建训练集数据和测试集数据；

2)搭建残差网络模型，设置好相关的训练参数；

3)网络训练；

4)网络测试。

2.如权利要求1所述基于残差网络的磁共振信号的时频变换和相位校正的方法，其特征在于在步骤1)中，所述同时存在零阶相位失调和一阶相位失调的自由感应衰减时域信号的数学模型为：

上式中，ω_k,σ_k,A_k分别为第k个谐波分量的频率、衰减因子和振幅，θ为初始时刻相位，Δ为信号激励与检测之间的延迟，N为信号长度。

3.如权利要求1所述基于残差网络的磁共振信号的时频变换和相位校正的方法，其特征在于在步骤1)中，无相位失调的理想吸收谱的数学模型为：

上式中，ω_k,σ_k,A_k分别为第k个谐波分量的频率、衰减因子和振幅。

4.如权利要求1所述基于残差网络的磁共振信号的时频变换和相位校正的方法，其特征在于在步骤2)中，所述残差网络模型包括：网络模型的主体结构、网络模型的损失函数和相关的训练参数；网络模型的主体结构为：一层的卷积层、四个残差单元和三层卷积层；所述一层卷积层对应的卷积核大小为1×7，通道数为32；所述四个残差单元的卷积核大小为1×3，通道数为32；所述三层卷积层的卷积核大小为1×512，通道数分别为48，32，1；每层卷积层连接激活函数ReLU，输出层后不连接激活函数；

所述网络模型的损失函数为：

上式中，f(·)是训练网络，W和b是网络参数，x是输入的时域信号，y是对应的标签，即无相位失调的理想吸收谱，δ是自定义的参数。

5.如权利要求1所述基于残差网络的磁共振信号的时频变换和相位校正的方法，其特征在于在步骤3)中，所述网络训练的具体方法为：将步骤1)中得到的训练集数据输入到网络中训练网络，调整网络参数，直至损失函数下降至收敛并趋于稳定，得到功能化的网络模型；所述训练网络方式为：采用BP算法训练，每次迭代采用最小批的方式计算网络损失，并以此损失更新网络中的参数；当达到预定的最大迭代次数时，损失函数下降至收敛并趋于稳定，终止训练，获得功能化的网络模型。

6.如权利要求1所述基于残差网络的磁共振信号的时频变换和相位校正的方法，其特征在于在步骤4)中，所述网络测试的具体方法为：将步骤1)中得到测试集数据中的时域信号输入到功能化的网络模型中，得到经网络调相并时频分析的谱图，并与标签进行比较以验证网络的性能。