[发明专利]一种基于物理神经网络的电特性断层成像方法

说明书

一种基于物理神经网络的电特性断层成像方法，通过4个步骤空间所有点的电容率及电导率。本发明不需要对MR‑EPT的核心方程做简化来求解，而且在计算介电特性在空间的导数时不需要性离散化利用数值方法进行求解，避免了离散误差，因此本发明得到电容率及电导率的精度更高。该基于物理神经网络的电特性断层成像方法使用神经网络构建了从发射场以及其空间导数到电特性之间的映射关系，得到结果的精度更高。

技术领域

本发明涉及核磁共振成像技术领域，特别涉及一种基于物理神经网络的电特性断层成像方法。

背景技术

高场核磁共振成像系统随着主场场强的提高，射频场的频率变高，其波长会变短到跟被扫描物体在同一个水平。这会引起射频场和被扫描物体的相互作用增强。从而可以利用这种相互作用实现一些新的成像功能。基于高场磁共振的介电特性断层成像(MR-EPT)就是一种新的核磁共振量化成像方法。

生物组织介电特性是生物组织作为一种物质对电磁场的响应特性。介电特性不仅可以作为组织对比度显示人体内不同组织的结构图像，还可以作为一种定量指标，用于早期癌症的检测。除此之外，介电特性会影响脑内电信号的传播，并与脑组织的类型、活动、功能、衰老、病理改变等信息高度，相关因此MR-EPT有望为研究脑认知与脑疾病提供全新的研究工具。人体内介电特性分布还是计算特定吸收率(SAR)的基础，用于评估任何暴露于射频/微波的射频安全。超高场磁共振成像系统面临的一个很大的安全问题，就是生物组织在强磁场中的热效应。对于人体组织的介电特性的准确成像能够有助于SAR的研究，推动超高场磁共振系统的进一步发展。

MR-EPT一般分为两个步骤，第一步是射频场幅值和相位的采集。第二步是以麦克斯韦方程为基础，得到MR-EPT的核心方程，然后构造逆问题的数学模型，并利用已采集的射频场数据作为逆问题的输入，来重建电特性的分布。其中第二步是电特性成像算法的核心，尤其是如何对MR-EPT的核心方程进行重构来形成数学模型，并根据所构造的数学模型对电特性分布进行精确的重建。

目前，用于电特性重建的主流算法，都是利用一些假设来对MR-EPT的核心方程进行简化，从而形成简单的求解方程。有一种假设是认为被测物体内部的电特性分布是均匀的，这种方法被称为Helmholtz EPT。虽然这种假设可以极大的简化求解模型，可以快速的估算出电特性分布，但是利用这种均匀性假设有着明显的缺点，因为被测物体内部的电特性一般都会具有较复杂的分布，而不是均匀一块。这会使得均匀假设失效，从而导致严重的计算误差，特别是在组织边缘部分产生严重的伪影。同时，亥姆霍兹方程本身是一个高阶非线性非齐次偏微分方程，并且射频场和电特性均以复数形式体现在方程当中。所以在不利用假设来简化的情况下，很难直接对方程求解。

因此，针对现有技术不足，提供一种纳米纤维表面多孔骨修复支架及其制备方法以解决现有技术不足甚为必要。

发明内容

本发明的目的在于避免现有技术的不足之处而提供一种基于物理神经网络的电特性断层成像方法。该基于物理神经网络的电特性断层成像方法使用神经网络构建了从发射场以及其空间导数到电特性之间的映射关系，得到结果的精度更高。

本发明的上述目的通过以下技术措施实现：

提供一种基于物理神经网络的电特性断层成像方法，包括如下步骤：

步骤(1)、根据射频场B，得到发射场B；

步骤(2)、利用数值方法求解所述步骤(1)得到的发射场B中每点在空间x轴、y轴和z轴上的一阶导数及二阶导数；

步骤(3)、构建全连接神经网络，并对麦克斯韦方程进行组合变换得到损失函数；