[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

权利要求书

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。