[发明专利]一种基于深度残差网络的磁共振工频谐波噪声抑制方法

权利要求书

1.一种基于深度残差网络的磁共振工频谐波噪声抑制方法，其特征在于，该方法包括：

形成数据集：建立仿真磁共振地下水探测仪采集的磁共振信号数据集X(n)，加入多种频率的工频及其谐波噪声N(n)，得到含工频谐波噪声的磁共振信号Y(n)，形成训练数据集，其中每条信号的长度为N，每个数据集的信号个数为M；

构建网络：设计残差网络的结构，确定网络深度及残差块种类，将网络参数初始化；

训练模型：输入训练数据集，前向传播时计算误差，反向传播时利用梯度下降法更新网络参数，利用残差学习机制建立含噪信号与噪声之间的映射关系，使损失函数逐渐优化至最小；

测试模型：组建基于实际测量数据的测试数据集，利用训练好的模型进行降噪处理。

2.按照权利要求1所述的方法，其特征在于，残差网络包括：

卷积运算，对输入数据进行特征提取，第一层的卷积运算调整输入含噪信号的尺寸用于池化；

池化层，用于提取数据的特征信息，过滤冗余信息；

残差块，用于在深层网络中防止神经网络退化，使网络随着深度的增加获得更高的精度；

全连接层，设置在放在残差网络的末尾，使输出与输入尺寸相同。

3.按照权利要求2所述的方法，其特征在于，构建残差网络的具体步骤为：步骤a：选定残差块种类，确定残差网络结构的层数L、残差块个数n和每层隐藏层的类型及参数，定义卷积核的大小K、填充大小P以及步幅S；

步骤b:初始化网络参数θ＝{W,b}、学习速率β及停止迭代阈值ε，其中W、b分别表示各残差块内部的隐藏层与输出层的线性关系系数矩阵和偏倚向量。

4.按照权利要求1所述的方法，其特征在于，训练模型的具体步骤包括：

将含工频谐波噪声的磁共振信号Y(n)作为残差网络的输入，工频谐波噪声N(n)作为残差网络的输出，构造去工频谐波噪声的残差网络模型：

x＝y-RN(y；θ)

其中，RN表示搭建的残差网络，θ＝{W,b}为网络参数，网络参数会在反向传播中不断更新，将仿真的含工频谐波噪声的核磁信号Y(n)输入进残差网络，含噪的磁共振信号数据y经网络前向传播算法输出工频谐波噪声数据RN(y；θ)，将y减去噪声数据RN(y；θ)得到干净的信号x；

其中进行前向传播算法，将含噪数据作为残差网络的输入，引入残差块，所述残差块由多个卷积层加上一个恒等映射构成，设F为残差函数，h为恒等映射，xⁿ为第n个残差块的输入，yⁿ为第n个残差块的输出，Wⁿ为第n个残差块的内部关系矩阵，则有：

xⁿ⁺¹＝yⁿ＝h(xⁿ)+F(xⁿ,Wⁿ)；

设单个卷积层输入张量为a，对应内部系数矩阵为W_l，偏倚向量为b_l，则卷积层第L层的输入张量、内部系数矩阵、偏倚向量分别为a^L、W_l^L和经过卷积运算及激活操作得到第L+1层网络的输入张量：

其中，ReLU(x)＝max(0,x)表示激活函数，*表示卷积操作，在单个卷积层内，卷积运算和激活操作之间利用BN算法进行批量归一化，来达到加速网络训练的目的。