[发明专利]一种基于深度学习的核磁共振信号弛豫时间分布计算方法

摘要

本发明提供了一种基于深度学习的核磁共振信号弛豫时间分布计算方法，根据拉普拉斯核磁共振信号的特征，构建存在噪声的弛豫过程指数衰减信号的数学模型和理想的弛豫时间谱，其中理想的弛豫时间谱作为标签，弛豫时间谱的谱峰所在的位置为T1弛豫时间或T2弛豫时间的确切值，谱峰的半高宽对应着结果的不确定度；由数学模型生成仿真信号，构建训练集数据和测试集数据；搭建网络模型；训练集数据输入到网络模型中进行训练；将测试集数据输入网络模型测试；本发明提供的方法，依赖弛豫过程指数衰减信号的数学模型构建数据集进行训练，无需收集大量的真实数据，且能够将NMR弛豫时间谱的计算时间控制在秒级，同时对不同信噪比的测试数据都具有较高的鲁棒性。