[发明专利]一种基于神经网络的磁电结合定位追踪方法及装置

说明书

本发明公开了活体组织内植入物精确定位技术领域的一种基于神经网络的磁电结合定位追踪方法及装置。方法的步骤包括：1、实时采集数据，得到训练样本和待测样本；2、将训练样本进行归一化处理，建立训练数据集，将待测样本进行归一化处理，得到归一化待测样本；3、提取预存的第一神经网络模型，训练得到第二神经网络模型，将归一化待测样本输入第一神经网络模型，得到初步预测结果；4、用第二神经网络模型替换预存的第一神经网络模型，将初步预测结果进行反归一化处理，得到待测样本对应的电极空间坐标。本发明的方法和装置实现了活体内植入物三维空间位置的实时精确定位，具有定位精度高，计算效率高、实时性好的特点。

技术领域

本发明涉及活体组织内植入物精确定位的技术，特别涉及一种基于神经网络的磁电结合定位追踪方法及装置。

背景技术

目前，许多医疗装置或多或少都涉及在活体组织内放置传感器、导管等植入物，配合多角度CT采集图像来实现植入物的三维空间定位，但是多角度CT采集图像，增加了X射线对活体的照射量，并且对于可移动植入物的位置，难以实现实施精确的测量和显示。

发明内容

本发明的目的在于克服现有技术中所存在的上述不足，提供一种基于神经网络的磁电结合定位追踪方法及装置。

为了实现上述发明目的，本发明提供了以下技术方案：

一种基于神经网络的磁电结合定位追踪方法，步骤包括：

S1：实时采集数据，数据包括训练样本和待测样本，训练样本包括电场阻抗值和对应的磁场坐标，待测样本包括电场阻抗值；

S2：将训练样本进行归一化处理，建立训练数据集，将待测样本进行归一化处理，得到归一化待测样本；

S3：提取预存的第一神经网络模型，将训练数据集输入第一神经网络模型，训练得到第二神经网络模型，将归一化待测样本输入第一神经网络模型，得到初步预测结果；

S4：用第二神经网络模型替换预存的第一神经网络模型，保存第二神经网络模型，将初步预测结果进行反归一化处理，得到待测样本对应的电极空间坐标。

将训练样本进行归一化处理，建立训练数据集是指：

S11：将训练样本进行归一化处理，构建归一化训练样本，保存归一化参数矩阵A；

S12：将归一化训练样本存入训练数据集；

S13：判断训练数据集样本数量及范围是否达到设定阈值，没有达到设定阈值，返回S11，达到设定阈值，完成训练数据集的建立。

反归一化处理采用的归一化参数矩阵为归一化参数矩阵A。

第一神经网络模型和第二神经网络模型均为三层结构，包括输入层、隐藏层和输出层，输入层包括m个输入单元和1个偏置项，隐藏层包括N个隐藏单元及1个偏置项，输出层包括n个输出单元。

第一神经网络模型和第二神经网络模型具有神经网络模型参数，神经网络模型参数包括输入层到隐藏层参数和隐藏层到输出层参数，输入层到隐藏层参数为m×N矩阵，隐藏层到输出层参数为N×n矩阵。

隐藏单元的激活函数为：

其中，z为隐藏单元输入，e为自然常数。

将训练数据集输入第一神经网络模型，训练得到第二神经网络模型，具体步骤为：

S21：训练数据集输入第一神经网络模型，得到训练输出结果；

S22：计算训练输出结果与期望目标的均方误差值；