[发明专利]基于CNN和多电极电磁测量的动静脉图像重建方法

说明书

本发明公开了一种基于CNN和多电极电磁测量的动静脉图像重建方法，其包括：1、获得数据集；2、采用十折交叉验证将大量的样本数据分为训练集和验证集；3、设计CNN的网络结构；4、采用小批量梯度下降算法，将数据分为若干批，按批来更新参数；5、定义CNN的前向传播过程；6、编写训练模块程序；7、编写验证模块程序；8、通过MATLAB软件编程，调用meshgrid和griddata函数；将原始图像和重建图像各自的相应像素点值变为图像；9、根据图像重建的结果，得到动脉和静脉的分布。本发明通过基于卷积神经网络CNN和多电极电磁测量理论，进行人体肢体的动静脉图像重建，确定区域权函数，将多电极电磁测量更好地应用于不同个体的血液流速测量。

技术领域

本发明涉及一种基于CNN和多电极电磁测量的动静脉图像重建方法，其属于图像数据处理领域。

背景技术

血液流速是诊断冠状动脉狭窄、冠心病等心血管疾病的重要指标。在现代医学手段中，通过对血液流动速度的测量可以提前预防和控制长期困扰人类的顽固疾病。已有研究表明，基于电磁流量计权函数理论，可将多电极电磁测量方式应用于人体肢体动脉、静脉血液流速测量。具体步骤如下：

1、采用有限元分析法，利用COMSOL Multiphysics仿真软件建立多电极肢体血液测量系统，启动仿真，通过多对电极得到肢体截面上不同位置的弦端电压，以此计算区域权函数；

2、确定区域权函数后，进行速度重建，比较精确地计算出肢体截面处动脉和静脉的轴向平均速度。

在计算区域权函数时，需在仿真模型中预先设置动、静脉的位置、大小和形状，即流动区域。然而在实际测量当中，动、静脉的位置、大小和形状都无法确定。因人体特征差异，更无法做到针对不同个体，确定不同仿真模型下的区域权函数，难免影响测量精度。虽说权函数的分布只与测量装置的结构有关，如装置半径、电极数量等。然而区域权函数的求取，需预先知道流动区域的位置和面积。

发明内容

本发明所要解决的技术问题在于提供了一种基于卷积神经网络CNN和多电极电磁测量MEF的动静脉图像重建方法，本方法通过基于卷积神经网络CNN和多电极电磁测量理论，进行人体肢体的动静脉图像重建，确定区域权函数，将多电极电磁测量更好地应用于不同个体的血液流速测量。

为解决上述技术问题，本发明采用如下技术方案：

一种基于CNN和多电极电磁测量的动静脉图像重建方法，其包括：

步骤1、获得数据集；

步骤2、采用十折交叉验证将大量的样本数据分为训练集和验证集；

步骤3、设计CNN的网络结构，其包含两个卷积层、两个池化层、辍学层和全连接层；

步骤4、采用小批量梯度下降算法，将数据分为N批，按批来更新参数；导入NumPy包，完成小批量梯度下降算法模块的编写；当一个轮数快运行完且不够一个批次时，便将此轮数的结尾和下一个轮数的开头拼接起来；N为1个以上；步骤5、定义CNN的前向传播过程；

步骤6、编写训练模块的程序；

步骤7、编写验证模块的程序；

步骤8、通过MATLAB软件编程，调用meshgrid和griddata函数；将原始图像和重建图像各自的相应像素点值变为图像；

步骤9、根据图像重建的结果，得到动脉和静脉的分布。

进一步的，所述步骤1中获得数据集，采用方法如下：

通过COMSOL Multiphysics仿真软件和MATLAB联合仿真，在仿真中，通过改变动脉和静脉的圆心和半径，模拟动脉和静脉在人体肢体截面处的各种分布，获得样本数据；每个样本均包括边界电势测量值和相应的像素点分布；x表示图像像素值的分布，y表示边界电势测量值；