[发明专利]一种基于深度学习的磁共振涡流补偿方法有效
| 申请号： | 201910174577.7 | 申请日： | 2019-03-08 |
| 公开（公告）号： | CN109799472B | 公开（公告）日： | 2022-06-28 |
| 发明（设计）人： | 郭红宇;刘鹏;陶红艳 | 申请（专利权）人： | 沈阳工业大学 |
| 主分类号： | G01R33/54 | 分类号： | G01R33/54;G01R33/565;G06N3/04;G06N3/08 |
| 代理公司： | 北京盛凡佳华专利代理事务所(普通合伙) 11947 | 代理人： | 蔡浩 |
| 地址： | 110870 辽宁省沈阳*** | 国省代码： | 辽宁;21 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请是一种基于深度学习的磁共振涡流补偿方法，利用深度学习的神经网络，学习得到涡流测试数据和最终涡流补偿系数间的映射关系，快速计算涡流系数。该方法利用涡流测试序列采集数据，生成按照时间排序的涡流测试数据；使用多组涡流数据训练提供的人工智能网络，输入是涡流测试数据，输出是涡流时间曲线中的时间参数和幅度系数。把待拟合的涡流测试数据输入人工智能网络，得到需要求的时间参数和幅度系数。 | ||
| 搜索关键词： | 一种 基于 深度 学习 磁共振 涡流 补偿 方法 | ||
【主权项】：
1.一种基于深度学习的磁共振涡流补偿方法，其特征在于：利用涡流测试序列采集数据，施加涡流测试梯度，扫描得到多个时间点上的梯度回波信号；将梯度回波信号按照时间排序得涡流测试数据；利用生成的多组涡流侧视数据训练提供的人工智能网络，所述人工智能网络的输入是涡流测试数据，输出是涡流时间曲线中的时间参数和幅度系数；把待拟合的涡流测试数据输入人工智能网络，拟合得到需要求的时间参数和幅度系数。
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沈阳工业大学，未经沈阳工业大学许可，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/patent/201910174577.7/，转载请声明来源钻瓜专利网。
