-
公开(公告)号：CN110940944A
公开(公告)日：2020-03-31
申请号：CN201911226733.6
申请日：2019-12-04
Applicant: 厦门大学
Abstract: 基于深度学习的磁共振信号的去J耦合方法，涉及磁共振信号。根据磁共振波谱信号的特征，构建网络输入数据的数学模型和网络标签，即无J耦合现象的频谱实部的数学模型，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，设置好相关的训练参数；将训练集数据输入到网络模型中训练网络，调整网络参数，直至损失函数下降至收敛并趋于稳定，得到功能化的网络模型；将测试集数据信号输入到训练后的功能化的网络模型中，得到经网络去耦合得到的理想吸收谱图，并与标签进行比较以验证网络的性能。实现去耦合以及去噪的功能，实现端到端的功能，无需对谱信号进行预处理等其他辅助手段操作，使用神经网络真正实现去耦合去噪功能。
-
公开(公告)号：CN109557487A
公开(公告)日：2019-04-02
申请号：CN201811436577.1
申请日：2018-11-28
Applicant: 厦门大学
Abstract: 基于残差网络的磁共振信号的时频变换和相位校正的方法，涉及磁共振信号的时频变换方法。根据FID信号的特征，构建同时存在零阶相位失调与一阶相位失调的自由感应衰减时域信号的数学模型和理想的吸收谱，即无相位失调的频谱实部的数学模型，由数学模型生成仿真信号，构建训练集数据和测试集数据；搭建残差网络模型，设置好相关的训练参数；网络训练；网络测试。利用深度学习中的残差神经网络，实现了将时域的自由感应衰减信号自动变换成理想吸收谱，即无相位失调的频谱实部。此过程中完成了从时域自动变换到频域，以及相位失调的自动校正，进而可以得到理想吸收谱。
-
公开(公告)号：CN110940944B
公开(公告)日：2020-11-10
申请号：CN201911226733.6
申请日：2019-12-04
Applicant: 厦门大学
Abstract: 基于深度学习的磁共振信号的去J耦合方法，涉及磁共振信号。根据磁共振波谱信号的特征，构建网络输入数据的数学模型和网络标签，即无J耦合现象的频谱实部的数学模型，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，设置好相关的训练参数；将训练集数据输入到网络模型中训练网络，调整网络参数，直至损失函数下降至收敛并趋于稳定，得到功能化的网络模型；将测试集数据信号输入到训练后的功能化的网络模型中，得到经网络去耦合得到的理想吸收谱图，并与标签进行比较以验证网络的性能。实现去耦合以及去噪的功能，实现端到端的功能，无需对谱信号进行预处理等其他辅助手段操作，使用神经网络真正实现去耦合去噪功能。
-
-
Search Results
3
records
(took 0.041 seconds)
