【技术实现步骤摘要】
一种噪声预测系统及方法
本专利技术涉及医疗
，且特别涉及一种噪声预测系统及方法。
技术介绍
作为一种被广泛应用的非侵入性成像方式，磁共振成像(MagneticResonanceImaging,MRI)在临床诊断和科学研究中具有不可取代的地位。然而，扫描过程中梯度线圈产生的噪音可达100dBA以上，给患者，尤其是婴幼儿将带来严重的健康和安全风险。成年人过度暴露于噪音环境将导致听力损伤、诱发自主神经系统刺激，可能导致高血压和心血管疾病。噪音环境还是导致胎儿丧失高频听力、早产和宫内发育迟缓的因素之一。磁共振扫描期间的噪声主要由梯度线圈和其他机械结构的机械振动产生。作用在梯度线圈上的洛伦兹力的强度与电流幅度和磁场强度成正比，梯度线圈电流的变化改变洛伦兹力并引起在空气中产生声波的机械振动，即导致了噪声。随着高场磁共振在技术开发和临床实践中的普及，噪声所带来的安全性问题也越来越迫切。噪声的频谱取决于两个因素：扫描仪的固有声学频率响应特性(硬件)和序列的频率特性(软件)。梯度波形、爬升速率、幅值和读出带宽对序列的频率特性起主要决定作用。通过修改序列结构、梯度波形或成像参数...
【技术保护点】
1.一种噪声预测方法，其特征在于，包括：获取磁共振扫描过程中的梯度波形及对应的声压波形；对所述梯度波形及对应的声压波形进行预处理；对预处理的所述梯度波形及对应的声压波形进行机器学习模型训练，得到梯度波形与噪声的响应关系；采用所述响应关系对不同序列的梯度波形进行噪声预测。
【技术特征摘要】
1.一种噪声预测方法，其特征在于，包括：获取磁共振扫描过程中的梯度波形及对应的声压波形；对所述梯度波形及对应的声压波形进行预处理；对预处理的所述梯度波形及对应的声压波形进行机器学习模型训练，得到梯度波形与噪声的响应关系；采用所述响应关系对不同序列的梯度波形进行噪声预测。2.如权利要求1所述的方法，其特征在于，还包括：基于信号系统理论进行噪声计算，将计算得到的噪声数据加入机器学习模型中进行机器学习训练。3.如权利要求1所述的方法，其特征在于，所述机器学习模型包括卷积神经网络模型、循环神经网络模型或深度神经网络模型的人工神经网络模型；或，使用支持向量机、贝叶斯网络或遗传算法的机器学习模型。4.如权利要求1所述的方法，其特征在于，所述响应关系为梯度波形与频率响应函数的卷积。5.如权利要求1所述的方法，其特征在于，所述预处理包括：重新采样及重新排列，对所述梯度波形及对应的声压波形的采样频率进行匹配。6.一种噪声预测系统，其特征在于，包括：...
【专利技术属性】
技术研发人员：罗洁，林真谅，佘华君，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。