[发明专利]基于CNN和多电极电磁测量的动静脉图像重建方法有效
| 申请号： | 201910334328.X | 申请日： | 2019-04-24 |
| 公开（公告）号： | CN110084867B | 公开（公告）日： | 2023-06-20 |
| 发明（设计）人： | 吴学礼;姚健;赵宇洋;甄然 | 申请（专利权）人： | 河北科技大学 |
| 主分类号： | G06T11/00 | 分类号： | G06T11/00;G06F30/23;G06N3/084;A61B5/0265 |
| 代理公司： | 石家庄新世纪专利商标事务所有限公司 13100 | 代理人： | 张一 |
| 地址： | 050000 河北*** | 国省代码： | 河北;13 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于CNN和多电极电磁测量的动静脉图像重建方法，其包括：1、获得数据集；2、采用十折交叉验证将大量的样本数据分为训练集和验证集；3、设计CNN的网络结构；4、采用小批量梯度下降算法，将数据分为若干批，按批来更新参数；5、定义CNN的前向传播过程；6、编写训练模块程序；7、编写验证模块程序；8、通过MATLAB软件编程，调用meshgrid和griddata函数；将原始图像和重建图像各自的相应像素点值变为图像；9、根据图像重建的结果，得到动脉和静脉的分布。本发明通过基于卷积神经网络CNN和多电极电磁测量理论，进行人体肢体的动静脉图像重建，确定区域权函数，将多电极电磁测量更好地应用于不同个体的血液流速测量。 | ||
| 搜索关键词： | 基于 cnn 电极 电磁 测量 静脉 图像 重建 方法 | ||
【主权项】：
1.一种基于CNN和多电极电磁测量的动静脉图像重建方法，其特征在于，其包括如下步骤：步骤1、获得数据集；步骤2、采用十折交叉验证将大量的样本数据分为训练集和验证集；步骤3、设计CNN的网络结构，其包含两个卷积层、两个池化层、辍学层和全连接层；步骤4、采用小批量梯度下降算法，将数据分为N批，按批来更新参数；导入NumPy包，完成小批量梯度下降算法模块的编写；当一个轮数快运行完且不够一个批次时，便将此轮数的结尾和下一个轮数的开头拼接起来；N为1个以上；步骤5、定义CNN的前向传播过程；步骤6、编写训练模块的程序；步骤7、编写验证模块的程序；步骤8、通过MATLAB软件编程，调用meshgrid和griddata函数；将原始图像和重建图像各自的相应像素点值变为图像；步骤9、根据图像重建的结果，得到动脉和静脉的分布。
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河北科技大学，未经河北科技大学许可，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/201910334328.X/，转载请声明来源钻瓜专利网。
