[发明专利]一种基于深度学习的磁共振波谱重建方法有效
| 申请号： | 201910075573.3 | 申请日： | 2019-01-25 |
| 公开（公告）号： | CN109903259B | 公开（公告）日： | 2020-05-29 |
| 发明（设计）人： | 屈小波 | 申请（专利权）人： | 厦门大学 |
| 主分类号： | G06T5/50 | 分类号： | G06T5/50 |
| 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磁共振波谱重建方法，涉及磁共振波谱重建方法。利用指数函数生成磁共振波谱的时域信号；建立欠采样时域信号与全采样波谱的训练集；设计数据校验卷积神经网络结构中的卷积神经网络；设计数据校验卷积神经网络结构中的瓶颈层；设计数据校验卷积神经网络结构中的数据校验层；设计数据校验卷积神经网络结构中的反馈功能；建立数据校验卷积神经网络结构作为波谱重建模型；训练网络最优化参数；对目标的欠采样磁共振时域信号 |
||
| 搜索关键词： | 一种 基于 深度 学习 磁共振 波谱 重建 方法 | ||
【主权项】：
1.一种基于深度学习的磁共振波谱重建方法，其特征在于包括以下步骤：1)利用指数函数生成磁共振波谱的时域信号；2)建立欠采样时域信号与全采样波谱的训练集；3)设计数据校验卷积神经网络结构中的卷积神经网络；4)设计数据校验卷积神经网络结构中的瓶颈层；5)设计数据校验卷积神经网络结构中的数据校验层；6)设计数据校验卷积神经网络结构中的反馈功能；7)建立数据校验卷积神经网络结构作为波谱重建模型；8)训练网络最优化参数；9)对目标的欠采样磁共振时域信号![]()
进行重建；10)在时频域进行欠采样操作的同时，利用卷积神经网络的强拟合能力和数据校验层数据校验的能力，完成对欠采样磁共振波谱信号的快速且高质量的重建。
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/201910075573.3/，转载请声明来源钻瓜专利网。
