[发明专利]使用预测模型确定模型参数

权利要求书

1.一种用于确定与样品相关联的模型参数的方法，其包含以下操作：

使用源对所述样品施加激励，其中所述激励具有至少波长和强度或通量，并且其中所述激励包含以下中的一种：电磁辐射、射频波、粒子束、声波、磁场或电场；

使用测量装置测量与所述样品相关联的对所述激励的响应；

使用所述测量的响应和指定所述激励的信息作为对预定预测模型的输入，在具有代表所述样品的多个体素的正演模型中在逐个体素基础上计算所述模型参数，其中所述正演模型模拟所述样品内发生的对具有给定波长和给定强度或给定通量的给定激励的响应物理学，这些激励选自包括所述激励、所述波长和所述强度或所述通量，以及至少不同的波长和至少不同的强度或不同的通量的测量条件范围，以及

其中所述正演模型是所述激励、所述多个体素的所述模型参数和近似所述响应物理学的微分或唯象方程的函数；

使用计算机，通过比较至少所述测量的响应和使用所述正演模型、所述模型参数和所述激励的所述响应的计算预测值来确定所述模型参数的准确度；以及

当所述准确度超过预定义值时，将所述模型参数作为输出提供给用户、另一个电子装置、显示器或存储器。

2.根据权利要求1所述的方法，其中所述预定预测模型包含以下中的一种：机器学习模型或神经网络。

3.根据权利要求1所述的方法，其中所述预定预测模型包含对应于个体的个性化预测模型。

4.根据权利要求1所述的方法，其中当所述准确度超过所述预定义值时，所述模型参数在单次传递中计算而无需进一步迭代。

5.根据权利要求1所述的方法，其中与没有所述预定预测模型的迭代测量和分析技术相比，使用具有所述预定预测模型的更少迭代来计算具有超过所述预定义值的准确度的所述模型参数。

6.根据权利要求1所述的方法，其中当所述准确度小于所述预定义值时，所述方法包含：

使用指定所述激励和所述准确度的信息作为对第二预定预测模型的输入，计算具有至少修正波长、修正强度或修正通量的修正激励；以及

用所述修正的激励代替所述激励重复所述施加、测量、计算和确定操作。

7.根据权利要求6所述的方法，其中所述第二预定预测模型包含以下中的一种：机器学习模型或神经网络。

8.根据权利要求1所述的方法，其中当所述准确度小于所述预定义值时，所述方法包含：

将所述激励和所述测量的响应添加到训练数据集；以及

使用所述训练数据集来确定所述预测模型的修正实例。

9.根据权利要求1所述的方法，其中所述方法包含使用所述模型参数和第二预测模型对所述样品中的一个或多个解剖结构进行分类或分割。

10.根据权利要求9所述的方法，其中所述第二预定预测模型包含以下中的一种：机器学习模型或神经网络。

11.根据权利要求1所述的方法，其中所述方法包含使用利用所述正演模型计算的模拟数据集、模型参数范围和激励范围来训练所述预测模型。

12.根据权利要求1所述的方法，其中所述激励是以下中的一种：x射线波段中的电磁束、中子束、电子束、光学波段中的电磁束、红外波段中的电磁束、超声波波段中的声波、质子束、与阻抗测量装置相关联的电场、与磁共振设备相关联的射频波或与磁化率测量装置相关联的磁场。

13.根据权利要求1所述的方法，其中所述测量的响应包含所述样品的时域响应且不是图像。