The invention provides a method for quantifying the concentration of brain metabolites in an uneven field based on a neural network algorithm, which relates to a method for quantifying the concentration of brain metabolites in vivo. Using the free induction attenuation signal simulation software, generate the biological brain metabolite NMR simulation signal; establish the different concentration metabolite spectrum data set under the uneven magnetic field and design the training data and label data; divide the whole data set into training set, verification set and test set; design the neural network structure and use the verification set to select the neural network super parameters; use the test data to The quantitative model is tested and verified; the powerful fitting ability of the neural network algorithm proposed in the invention can be used to rapidly and accurately quantify the metabolite spectrum of living biological brain under the uneven magnetic field, so that the localized spectrum has a wider application.
【技术实现步骤摘要】
基于神经网络算法的不均匀磁场下脑代谢物浓度量化方法
本专利技术涉及生物活体脑代谢物浓度量化方法,尤其是涉及基于神经网络算法的不均匀磁场下脑代谢物浓度量化方法。
技术介绍
核磁共振定域谱(或MRS)技术目前是一种在生物活体检测中重要的手段,它能以非入侵的形式获得检测生物的代谢物信息。在短回波的采样条件下,代谢物种类多达20多类,并且还有大分子信号与脂质信号作为其背景信号。此外,由于采样过程产生的伪影(如涡流或残余水信号)和高斯白噪声e均对最终获得的信号有影响。目前已经提出的许多拟合方法,如QUEST,LCModel,TARQUIN,依然做不到稳定、可靠且精准地量化脑代谢物。影响谱图质量以及能否被有效利用的因素,其中一点是谱线的宽度,而谱线宽度又取决于磁场的均匀性。虽然说目前从硬件的角度抵抗不均匀场的影响有一定的改善和进步,但某些情况还是无法通过硬件来解决。比如在生物活体检测中,某些代谢组织本身的固有磁化率就不相同,这就导致其实验中感受到的磁场环境的均匀性不尽理想,而这些是很难通过硬件技术解决的。借助于近期已被成功应用到多个领域的神经网络技术,将其引入到核磁共振定域谱领域,正是利用其强大的拟合抽象函数能力,将一张非均匀磁场下较低分辨率及较低信噪比的谱图输入训练好的神经网络模型,输出对应的各种代谢物浓度的信息,从而实现量化。
技术实现思路
本专利技术所要解决的主要技术问题是提供基于神经网络算法的不均匀磁场下脑代谢物谱图量化方法能够稳定且精准的对生物活体脑代谢物浓度进行量化。为了解决上述的技术问题 ...
【技术保护点】
1.基于神经网络算法的不均匀磁场下脑代谢物谱图量化方法,其特征在于包括以下步骤:/n1)利用自由感应衰减信号模拟软件FID-A并选用常见可检测生物活体脑代谢物模拟基集,进行模拟各个脑代谢物PRESS实验,通过对各个脑代谢物的模拟信号进行带系数加权累加,固定水信号加权系数,得到最终的生物脑代谢物模拟信号;/n2)通过产生不同线宽、不同信噪比、不同脑代谢物浓度的模拟数据建立训练数据集,随机取出训练数据集中的小部分分别作为验证集和测试集,将产生的每一条模拟数据所对应的脑代谢物加权系数作为标签数据;/n3)对上述所有数据集进行数据预处理,预处理包括一维傅里叶变换、归一化、数据裁剪;/n4)设计神经网络模型结构,利用验证集选取神经网络结构的超参数,得到量化模型;/n5)利用测试数据对量化模型进行测试检验:对测试数据进行预处理后,输入量化模型,即可输出其对应的各个代谢物浓度信息;所述预处理包括一维傅里叶变换、归一化、数据裁剪。/n
【技术特征摘要】
1.基于神经网络算法的不均匀磁场下脑代谢物谱图量化方法,其特征在于包括以下步骤:
1)利用自由感应衰减信号模拟软件FID-A并选用常见可检测生物活体脑代谢物模拟基集,进行模拟各个脑代谢物PRESS实验,通过对各个脑代谢物的模拟信号进行带系数加权累加,固定水信号加权系数,得到最终的生物脑代谢物模拟信号;
2)通过产生不同线宽、不同信噪比、不同脑代谢物浓度的模拟数据建立训练数据集,随机取出训练数据集中的小部分分别作为验证集和测试集,将产生的每一条模拟数据所对应的脑代谢物加权系数作为标签数据;
3)对上述所有数据集进行数据预处理,预处理包括一维傅里叶变换、归一化、数据裁剪;
4)设计神经网络模型结构,利用验证集选取神经网络结构的超参数,得到量化模型;
5)利用测试数据对量化模型进行测试检验:对测试数据进行预处理后,输入量化模型,即可输出其对应的各个代谢物浓度信息;所述预处理包括一维傅里叶变换、归一化、数据裁剪。
2.根据权利要求1所述的基于神经网络算法的不均匀磁场下脑代谢物谱图量化方法,其特征在于:所述脑代...
【专利技术属性】
技术研发人员:林雁勤,苟垚平,段博,陈忠,
申请(专利权)人:厦门大学,
类型:发明
国别省市:福建;35
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。