[发明专利]一种基于无训练深度神经网络的NMR弛豫时间反演方法有效
| 申请号： | 202111292131.8 | 申请日： | 2021-11-03 |
| 公开（公告）号： | CN113743597B | 公开（公告）日： | 2022-02-18 |
| 发明（设计）人： | 陈黎;申胜;陈俊飞;陈方;刘朝阳 | 申请（专利权）人： | 中国科学院精密测量科学与技术创新研究院 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/063;G06N3/08 |
| 代理公司： | 武汉宇晨专利事务所(普通合伙) 42001 | 代理人： | 李鹏 |
| 地址： | 430071 湖*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 训练 深度 神经网络 nmr 弛豫时间 反演 方法 | ||
【权利要求书】：
1.一种基于无训练深度神经网络的NMR弛豫时间反演方法，其特征在于，包括以下步骤：
步骤1、建立无训练深度神经网络模型，建立的无训练深度神经网络模型的损失函数：
其中， ，为无训练深度神经网络模型输入的NMR弛豫信号与无训练深度神经网络模型输出的NMR弛豫时间谱之间的映射关系，为输入的NMR弛豫信号，为反演核矩阵，为神经网络权重，为NMR弛豫多信号的标准差，和均为正则化参数，为1-范数；为2-范数的平方；
步骤2、输入NMR弛豫信号；
步骤3、无训练深度神经网络模型根据输入的NMR弛豫信号更新神经网络权重，最小化损失函数，从而得到最优的NMR弛豫信号与NMR弛豫时间谱之间的映射关系，输出最优的NMR弛豫时间谱。
2.根据权利要求1所述的一种基于无训练深度神经网络的NMR弛豫时间反演方法，其特征在于，所述的无训练深度神经网络模型包括第一子网络和第二子网络，第一子网络包括一个输入层，四个隐藏层和一个输出层；第二子网络包括一个输入层，二个隐藏层和一个输出层；第一子网络和第二子网络的隐藏层的激活函数均为线性整流函数，第一子网络输出层的激活函数为softmax；第二子网络的输出层的激活函数为softplus。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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中国科学院精密测量科学与技术创新研究院，未经中国科学院精密测量科学与技术创新研究院许可，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/202111292131.8/1.html，转载请声明来源钻瓜专利网。
