一种基于神经网络的磁共振谱降噪方法技术

一种基于神经网络的磁共振谱降噪方法，涉及磁共振谱降噪方法。1)利用多次采集的不同组合求均值构建相应的训练模型数据集与标签集，用于求解高信噪比与低信噪比磁共振谱之间的映射关系；2)构建基于迭代滑窗的长短时记忆循环神经网络的用于磁共振谱降噪的深度学习网络模型；3)将步骤1)生成的数据集训练步骤2)中所设计深度学习网络模型，使用ADAM优化算法训练步骤2)中网络的参数，得到模型最优参数；4)对低信噪比的磁共振谱的时域信号使用步骤3)训练好的网络模型进行降噪处理，对降噪后的时域信号进行傅里叶变换得到对应的降噪后磁共振谱。具有无需先验知识、降噪速度快、降噪质量高、泛化性好的特点，且适用于密集谱峰降噪。

【技术实现步骤摘要】
一种基于神经网络的磁共振谱降噪方法
本专利技术涉及磁共振谱降噪方法，尤其是涉及一种基于神经网络的磁共振谱降噪方法。
技术介绍
磁共振谱是利用磁共振中的化学位移现象来确定分子组成及空间分布的一种检查方法，是一种无创研究活体器官组织代谢、生物变化及化合物定量分析的检测技术。磁共振谱的采样过程会受噪声影响，实际中常常通过重复采样叠加取平均值来减少噪声影响。但过多的采样次数会增加采样时间，给采样增加困难和成本。在实际应用中，对于磁共振谱的时域信号，Cadzow(Yung,YaLin,LianPin,Hwang,"NMRsignalenhancementbasedonmatrixpropertymappings,"JournalofMagneticResonance,SeriesA,103,109-114,1993)是一种典型的降噪方法，但这种方法不能保证得到的解为全局最优解。还有些研究人员提出了利用指数信号的汉克尔矩阵的低秩特性进行去噪和欠采样重建(XiaoboQu,MaximMayzel,Jian-FengCai,ZhongChen,Vlad本文档来自技高网...

【技术保护点】
1.一种基于神经网络的磁共振谱降噪方法，其特征在于包括以下步骤：/n1)利用多次采集的不同组合求均值构建相应的训练模型数据集与标签集，用于求解高信噪比与低信噪比磁共振谱之间的映射关系；/n2)构建基于迭代滑窗的长短时记忆循环神经网络的用于磁共振谱降噪的深度学习网络模型；/n3)将步骤1)生成的数据集用于训练步骤2)中所设计深度学习网络模型，使用ADAM优化算法训练步骤2)中网络的参数，得到模型的最优参数；/n4)对低信噪比的磁共振谱的时域信号使用步骤3)训练好的网络模型进行降噪处理，对降噪后的时域信号进行傅里叶变换得到对应的降噪后的磁共振谱。/n

【技术特征摘要】
1.一种基于神经网络的磁共振谱降噪方法，其特征在于包括以下步骤：
1)利用多次采集的不同组合求均值构建相应的训练模型数据集与标签集，用于求解高信噪比与低信噪比磁共振谱之间的映射关系；
2)构建基于迭代滑窗的长短时记忆循环神经网络的用于磁共振谱降噪的深度学习网络模型；
3)将步骤1)生成的数据集用于训练步骤2)中所设计深度学习网络模型，使用ADAM优化算法训练步骤2)中网络的参数，得到模型的最优参数；
4)对低信噪比的磁共振谱的时域信号使用步骤3)训练好的网络模型进行降噪处理，对降噪后的时域信号进行傅里叶变换得到对应的降噪后的磁共振谱。


2.如权利要求1所述一种基于神经网络的磁共振谱降噪方法，其特征在于在步骤1)中，所述利用多次采集的不同组合求均值构建相应的训练模型数据集与标签集的具体方法为：对同一个被采集者采集Q次磁共振谱信号，收集J名被采集者，得到J×Q个谱来构成训练源；根据训练源，对于某一被采集者的Q次采集，在前2×m次采集中随机选取m次，用于产生规模足够大的组数据，称作训练扩增集；是从2×m个不同元素中不分顺序取出m个元素的组合数，其中2m＜Q，m是正整数；对训练扩增集的每组数据的m次采集取平均值后得到个数据，再随机选取其中M个数据作为训练集的输入数据X，X的大小为T×2，T是单个一维谱的采样点数，列数为2表示将复数的实部和虚部进行分开存储,在全部Q次采集中随机选取Q-m次，用于产生同规模的标签扩增集，对标签扩增集的每组数据的Q-m个向量取均值后再随机选取M次采集作为训练集的输出标签XL，同样XL是大小为T×2的矩阵；按如上操作，对所有J个被采集者的数据处理后，得到训练集共有J×M个输入数据，J×M个输出标签。


3.如权利要求1所述一种基于神经网络的磁共振谱降噪方法，其特征在于在步骤1)中，所述不同组合包括不同采集者的感兴趣代谢物的含量不同、对应代谢产物的谱峰高度和相位不同、噪声不同。


4.如权利要求1所述一种基于神经网络的磁共振谱降噪方法，其特征在于在步骤2)中构建基于迭代滑窗的长短时记忆循环神经网络的用于磁共振谱降噪的网络模型的具体方法为：
a)初始化一个大小为r×2的滑动窗矩阵St；第t-r个输入信号矩阵表示为Xt，Xt大小为r×2，由输入数据X的第t-r行到t-1行构成，即：
Xt＝[xt-r,xt-r+1,...,xt-1](1)
其中，xt是输入数据X的第t行；且有初始滑窗Sr+1＝Xr+1；其中r＜t≤T，T是谱信号的采样点数；
b)设计一个输入模块，该输入模块由三层线性层和线性整流函数构成，表示为：



其中，表示输入模块的训练参数，表示从(St,Xt)到的线性映射；
c)设计适应滑窗的长短期记忆网络细胞模块，利用输入模块的输出和第t...

【专利技术属性】
技术研发人员：屈小波，
申请(专利权)人：厦门大学，
类型：发明
国别省市：福建;35