[发明专利]基于时频谱信号增强的磁粒子分布模型重建方法和系统

权利要求书

1.一种基于时频谱信号增强的磁粒子分布模型重建方法，其特征在于，所述方法包括：

步骤S100，通过磁粒子成像设备扫描待测目标得到待测目标的一维时域信号；

步骤S200，将所述待测目标的一维时域信号进行分段傅里叶变换，获得二维时频谱；

步骤S300，基于所述二维时频谱，通过训练好的融合自我注意力机制的深度神经网络获得去噪后的磁粒子时频谱信号，进而通过逆傅里叶变换得到高质量磁粒子时域信号；

步骤S400，基于所述高质量磁粒子时域信号进行区域模型重建，获得高精度区域重建模型；

所述融合自我注意力机制的深度神经网络，包括特征提取模块、联合去噪模块、时域-频域去噪模块和特征重建模块；其中特征提取模块将提取的一级特征图传输至联合去噪模块与时域-频域去噪模块，联合去噪模块基于一级特征图提取全局空间特征获得联合去噪特征图，时域频域去噪模块分别从一级特征图的时域维度和频域维度提取时频谱的局部特征并融合为时域-频域去噪特征图，联合去噪特征图和时域-频域去噪特征图进行特征连接获得特征连接信息，将特征连接信息通过特征重建模块进行重建，获得无噪时频谱。

2.根据权利要求1所述的基于时频谱信号增强的磁粒子分布模型重建方法，其特征在于，所述特征提取模块，其具体结构包括：

特征提取模块输入端、多尺度特征分析单元、第一特征连接单元、第一特征融合卷积层和特征提取模块输出端；

其中所述多尺度特征分析单元包括由特征提取模块输入端连接并行的第一支路、第二支路和第三支路；

所述第一支路包括一个包括16个 卷积核的卷积层；

所述第二支路包括顺次连接的一个包括16个卷积核的卷积层和一个包括32个卷积核的卷积层；

所述第三支路包括顺次连接的一个包括16个卷积核的卷积层、一个包括32个卷积核的卷积层和一个包括64个卷积核的卷积层；

第一支路、第二支路和第三支路的输出于第一特征连接单元的输入汇合，第一特征连接单元的输出连接所述第一特征融合卷积层；

所述特征提取模块输入端与第一特征融合卷积层建立残差连接，并将特征提取模块输入端的输入信息与第一特征融合卷积层的输出进行加和并输出。

3.根据权利要求1所述的基于时频谱信号增强的磁粒子分布模型重建方法，其特征在于，所述联合去噪模块，其具体结构包括：顺次连接的联合去噪模块输入端、空间注意力块、自注意力单元、第二特征融合卷积层、第三特征融合卷积层和联合去噪模块输出端；

所述空间注意力块，为空间注意力块输入端同时分别连接通道平均池化层和通道最大池化层；所述通道平均池化层和通道最大池化层的输出共同连接至第二特征连接单元的输入；第二特征连接单元的输出依次连接包括1个卷积核的卷积层和Sigmoid层；联合去噪模块输入端与Sigmoid层之后建立连接，并将联合去噪模块的输入端的输入信息与Sigmoid层的输出信息进行矩阵相乘并输出；

所述自注意力单元，包括并行的两个不同感受野的的自注意力块，其中；两个的自注意力块的输出加和后依次连接第二特征融合卷积层、第三特征融合卷积层，并连接至联合去噪模块输出端。

4.根据权利要求3所述的基于时频谱信号增强的磁粒子分布模型重建方法，其特征在于，所述自注意力块，包括顺次连接的自注意力块输入端、第一卷积层、第一Reshape层、第一加和单元、六个自注意力层、第二Reshape层、第二卷积层、第二加和单元、第三卷积层、第一ReLU层和自注意力块输出端；其中第一Reshape层的输出并行连接第一加和单元和位置编码层，位置编码层的输出连接第一加和单元；自注意力块输入端与第二加和单元建立残差连接。