[发明专利]一种基于深度学习的超复数磁共振波谱重建方法有效
| 申请号： | 201910784955.3 | 申请日： | 2019-08-23 |
| 公开（公告）号： | CN110598579B | 公开（公告）日： | 2022-08-05 |
| 发明（设计）人： | 屈小波 | 申请（专利权）人： | 厦门大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06F17/14;G06N3/04;G06N3/08 |
| 代理公司： | 厦门南强之路专利事务所(普通合伙) 35200 | 代理人： | 马应森 |
| 地址： | 361005 *** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于深度学习的超复数磁共振波谱重建方法，涉及磁共振波谱。根据磁共振波谱信号指数模型生成超复数磁共振波谱的全采样时域信号，按照欠采样模板对全采样时域信号进行欠采样以及对没有采集到的数据点位置进行置零得到超复数磁共振波谱的欠采样时域信号，将该欠采样时域信号以及对应全采样时域信号换为复数时域信号，各自进行傅立叶变换得到对应的频率域的欠采样和全采样磁共振波谱，生成用于超复数谱重建的训练集；构建用于超复数磁共振波谱重建的深度学习网络，采用得到的训练集对该深度学习网络训练，得到训练好的超复数磁共振波谱重建的网络参数；采用训练好的网络对超复数磁共振波谱的欠采样时域信号重建，得到完整的超复数磁共振波谱。 | ||
| 搜索关键词： | 一种 基于 深度 学习 复数 磁共振 波谱 重建 方法 | ||
【主权项】：
1.一种基于深度学习的超复数磁共振波谱重建方法，其特征在于包括以下步骤：/n1)根据磁共振波谱信号指数模型生成超复数磁共振波谱的全采样时域信号，按照欠采样模板对超复数磁共振波谱的全采样时域信号进行欠采样以及对没有采集到的数据点位置进行置零得到超复数磁共振波谱的欠采样时域信号，将该超复数磁共振波谱的欠采样时域信号以及对应超复数磁共振波谱的全采样时域信号换为复数时域信号，各自进行傅立叶变换得到对应的频率域的欠采样和全采样磁共振波谱，生成用于超复数谱重建的训练集；/n2)构建用于超复数磁共振波谱重建的由多个密集连接卷积神经网络模块和数据校验模块级连构成的深度学习网络，采用由步骤1)得到的训练集对该深度学习网络进行训练，得到训练好的超复数磁共振波谱重建的网络参数；/n3)采用训练好的网络对超复数磁共振波谱的欠采样时域信号进行重建，得到完整的超复数磁共振波谱。/n
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厦门大学，未经厦门大学许可，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/201910784955.3/，转载请声明来源钻瓜专利网。
