一种基于神经网络的磁电结合定位追踪方法及装置制造方法及图纸

本发明专利技术公开了活体组织内植入物精确定位技术领域的一种基于神经网络的磁电结合定位追踪方法及装置。方法的步骤包括：1、实时采集数据，得到训练样本和待测样本；2、将训练样本进行归一化处理，建立训练数据集，将待测样本进行归一化处理，得到归一化待测样本；3、提取预存的第一神经网络模型，训练得到第二神经网络模型，将归一化待测样本输入第一神经网络模型，得到初步预测结果；4、用第二神经网络模型替换预存的第一神经网络模型，将初步预测结果进行反归一化处理，得到待测样本对应的电极空间坐标。本发明专利技术的方法和装置实现了活体内植入物三维空间位置的实时精确定位，具有定位精度高，计算效率高、实时性好的特点。

【技术实现步骤摘要】
一种基于神经网络的磁电结合定位追踪方法及装置
本专利技术涉及活体组织内植入物精确定位的技术，特别涉及一种基于神经网络的磁电结合定位追踪方法及装置。
技术介绍
目前，许多医疗装置或多或少都涉及在活体组织内放置传感器、导管等植入物，配合多角度CT采集图像来实现植入物的三维空间定位，但是多角度CT采集图像，增加了X射线对活体的照射量，并且对于可移动植入物的位置，难以实现实施精确的测量和显示。
技术实现思路
本专利技术的目的在于克服现有技术中所存在的上述不足，提供一种基于神经网络的磁电结合定位追踪方法及装置。为了实现上述专利技术目的，本专利技术提供了以下技术方案：一种基于神经网络的磁电结合定位追踪方法，步骤包括：S1：实时采集数据，数据包括训练样本和待测样本，训练样本包括电场阻抗值和对应的磁场坐标，待测样本包括电场阻抗值；S2：将训练样本进行归一化处理，建立训练数据集，将待测样本进行归一化处理，得到归一化待测样本；S3：提取预存的第一神经网络模型，将训练数据集输入第一神经网络模型，训练得到第二本文档来自技高网...

【技术保护点】
1.一种基于神经网络的磁电结合定位追踪方法，其特征在于，步骤包括：/nS1：实时采集数据，所述数据包括训练样本和待测样本，所述训练样本包括电场阻抗值和对应的磁场坐标，所述待测样本包括电场阻抗值；/nS2：将所述训练样本进行归一化处理，建立训练数据集，将所述待测样本进行归一化处理，得到归一化待测样本；/nS3：提取预存的第一神经网络模型，将所述训练数据集输入所述第一神经网络模型，训练得到第二神经网络模型，将所述归一化待测样本输入所述第一神经网络模型，得到初步预测结果；/nS4：用第二神经网络模型替换预存的第一神经网络模型，保存第二神经网络模型，将初步预测结果进行反归一化处理，得到待测样本对应的电...

【技术特征摘要】
1.一种基于神经网络的磁电结合定位追踪方法，其特征在于，步骤包括：
S1：实时采集数据，所述数据包括训练样本和待测样本，所述训练样本包括电场阻抗值和对应的磁场坐标，所述待测样本包括电场阻抗值；
S2：将所述训练样本进行归一化处理，建立训练数据集，将所述待测样本进行归一化处理，得到归一化待测样本；
S3：提取预存的第一神经网络模型，将所述训练数据集输入所述第一神经网络模型，训练得到第二神经网络模型，将所述归一化待测样本输入所述第一神经网络模型，得到初步预测结果；
S4：用第二神经网络模型替换预存的第一神经网络模型，保存第二神经网络模型，将初步预测结果进行反归一化处理，得到待测样本对应的电极空间坐标。


2.如权利要求1所述一种基于神经网络的磁电结合定位追踪方法，其特征在于，将所述训练样本进行归一化处理，建立训练数据集是指：
S11：将所述训练样本进行归一化处理，构建归一化训练样本，保存归一化参数矩阵A；
S12：将所述归一化训练样本存入训练数据集；
S13：判断训练数据集样本数量及范围是否达到设定阈值，没有达到设定阈值，返回S11，达到设定阈值，完成训练数据集的建立。


3.如权利要求2所述一种基于神经网络的磁电结合定位追踪方法，其特征在于，所述反归一化处理采用的归一化参数矩阵为所述归一化参数矩阵A。


4.如权利要求1所述一种基于神经网络的磁电结合定位追踪方法，其特征在于，所述第一神经网络模型和所述第二神经网络模型均为三层结构，包括输入层、隐藏层和输出层，所述输入层包括m个输入单元和1个偏置项，所述隐藏层包括N个隐藏单元及1个偏置项，所述输出层包括n个输出单元。


5.如权利要求4所述一种基于神经网络的磁电结合定位追踪方法，其特征在于，所述第一神经网络模型和所述第二神经网络模型具有神经网络模型参数，所述神经网络模型参数包括输入层到隐藏层参数和隐藏层到输出层参数，所述输入层到隐藏层参数为m×N矩阵，所述隐藏层到...

【专利技术属性】
技术研发人员：张业亮，邓立，
申请(专利权)人：四川锦江电子科技有限公司，
类型：发明
国别省市：四川;51