[发明专利]基于神经网络算法的不均匀磁场下脑代谢物浓度量化方法在审
申请号: | 201910625103.X | 申请日: | 2019-07-11 |
公开(公告)号: | CN110503197A | 公开(公告)日: | 2019-11-26 |
发明(设计)人: | 林雁勤;苟垚平;段博;陈忠 | 申请(专利权)人: | 厦门大学 |
主分类号: | G06N3/08 | 分类号: | G06N3/08;G06N3/02;G06F17/14;A61B5/055 |
代理公司: | 35204 厦门市首创君合专利事务所有限公司 | 代理人: | 张松亭;张迪<国际申请>=<国际公布>= |
地址: | 361000 *** | 国省代码: | 福建;35 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 脑代谢 神经网络算法 不均匀磁场 浓度量化 验证集 自由感应衰减信号 神经网络结构 标签数据 测试数据 代谢物谱 模拟软件 模拟信号 设计训练 神经网络 生物活体 整体数据 核磁共振 不均匀 测试集 图数据 训练集 应用性 活体 拟合 量化 测试 检验 | ||
1.基于神经网络算法的不均匀磁场下脑代谢物谱图量化方法,其特征在于包括以下步骤:
1)利用自由感应衰减信号模拟软件FID-A并选用常见可检测生物活体脑代谢物模拟基集,进行模拟各个脑代谢物PRESS实验,通过对各个脑代谢物的模拟信号进行带系数加权累加,固定水信号加权系数,得到最终的生物脑代谢物模拟信号;
2)通过产生不同线宽、不同信噪比、不同脑代谢物浓度的模拟数据建立训练数据集,随机取出训练数据集中的小部分分别作为验证集和测试集,将产生的每一条模拟数据所对应的脑代谢物加权系数作为标签数据;
3)对上述所有数据集进行数据预处理,预处理包括一维傅里叶变换、归一化、数据裁剪;
4)设计神经网络模型结构,利用验证集选取神经网络结构的超参数,得到量化模型;
5)利用测试数据对量化模型进行测试检验:对测试数据进行预处理后,输入量化模型,即可输出其对应的各个代谢物浓度信息;所述预处理包括一维傅里叶变换、归一化、数据裁剪。
2.根据权利要求1所述的基于神经网络算法的不均匀磁场下脑代谢物谱图量化方法,其特征在于:所述脑代谢物包括但不限于Cr、NAA、Cho、Gln、GABA、Ins、Tau、Lac、Glu。
3.根据权利要求1所述的基于神经网络算法的不均匀磁场下脑代谢物谱图量化方法,其特征在于:步骤1中,各个脑代谢物的模拟信号的系数加权是指:根据各个脑代谢物在脑模型溶液中浓度的不同,确定各个脑代谢物模拟信号在生物脑代谢物模拟信号中的权重,从而得到各个脑代谢物的模拟信号的系数加权。
4.根据权利要求1所述的基于神经网络算法的不均匀磁场下脑代谢物谱图量化方法,其特征在于:步骤1中固定水信号系数加权是指,根据水在脑模型溶液中的浓度,确定水信号在生物脑代谢物模拟信号中的权重,从而得到水信号的系数加权。
5.根据权利要求1所述的基于神经网络算法的不均匀磁场下脑代谢物谱图量化方法,其特征在于:步骤5中,所述测试数据包括模拟数据和实验实采数据;其中实验实采数据需要经过预处理。
6.根据权利要求1所述的基于神经网络算法的不均匀磁场下脑代谢物谱图量化方法,其特征在于:所述数据裁剪是指减小数据的维度。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于厦门大学,未经厦门大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910625103.X/1.html,转载请声明来源钻瓜专利网。