一种基于深度学习的扩散相关光谱血流量化方法技术

本发明专利技术公开了一种基于深度学习的扩散相关光谱血流量化方法，用于解决目前扩散相关光谱组织血流量化过程中以解析模型或者蒙特卡洛模型迭代拟合存在的耗时长的问题。具体包括：利用扩散相关光谱技术获取被测组织的光强自相关函数数据，通过深度学习方法直接建立从光强自相关函数(g2(τ))到血流指数(BFI)之间的端到端网络，输出得到血流指数数据，训练得到用于扩散相关光谱血流量化的深度学习网络模型，并将测试集数据输入到血流量化深度学习网络模型中进行预测，实现对组织血流变化的量化。该方法利用深度学习模型直接建立光强自相关函数与组织血流之间的量化关系，避免了传统扩散相关光谱拟合方法的不足，在保证量化精度的同时，极大地提高了拟合速度，能够为组织血流的动态纵向测量提供有利条件。

【技术实现步骤摘要】
一种基于深度学习的扩散相关光谱血流量化方法
本专利技术涉及生物医学工程
，尤其涉及一种基于深度学习的扩散相关光谱血流量化方法。
技术介绍
生物组织的血流是衡量机体正常与否的重要指标，大多数疾病都引起了血流的变化，在人类多种疾病的研究，血流已作为一个重要的生物标志物，因此血流参数可以作为疾病的指示性指标。扩散相关光谱(DiffuseCorrelationSpectroscopy,DCS)[1-4]由于其无创、实时的特性，以及能够提供无标签、床头监测血流变化的能力，在光学成像领域被越来越多地用于评估人体血流。扩散相关光谱利用近红外光谱照射到组织表面，通过计算组织表面散射光斑的光强自相关函数(g2(τ))，推算组织中红细胞的运动状态，从而实现组织血流的定量检测。血流量也是肌肉激活的一个指标，肌肉纤维通过增加血流量增加耗氧量，从而增加供氧量。目前常用的血液动力学(血流)技术一般有两种：超声多普勒和激光多普勒。超声多普勒适应于组织中大血管的血流测量。而激光多普勒则用于测量表层微血管(<3mm)的组织血流。此外，其他的血流测量技术如激光本文档来自技高网...

【技术保护点】
1.一种基于深度学习的扩散相关光谱血流量化方法，其特征在于：/n步骤(1)：数据采集；通过扩散相关光谱血流检测系统分别采集健康志愿者在平稳状态以及袖带夹压状态条件下的光强自相关函数数据g2(τ)，利用传统非线性拟合方法计算出不同状态下组织血流变化，把这个值作为标签；/n步骤(2)：数据预处理；对于步骤(1)所获得光强自相关数据，进行归一化预处理后，将上述数据随机分为训练集和测试集两组，其中训练集数据将作为深度学习网络的数据输入；/n步骤(3)：深度学习网络构建；针对所采集的光强自相关数据特点，利用改进的Unet网络模型来量化相对血流变化，根据所采集的数据，减少了Unet网络的层数，使其更加贴合...

【技术特征摘要】
1.一种基于深度学习的扩散相关光谱血流量化方法，其特征在于：
步骤(1)：数据采集；通过扩散相关光谱血流检测系统分别采集健康志愿者在平稳状态以及袖带夹压状态条件下的光强自相关函数数据g2(τ)，利用传统非线性拟合方法计算出不同状态下组织血流变化，把这个值作为标签；
步骤(2)：数据预处理；对于步骤(1)所获得光强自相关数据，进行归一化预处理后，将上述数据随机分为训练集和测试集两组，其中训练集数据将作为深度学习网络的数据输入；
步骤(3)：深度学习网络构建；针对所采集的光强自相关数据特点，利用改进的Unet网络模型来量化相对血流变化，根据所采集的数据，减少了Unet网络的层数，使其更加贴合数据，得到更好的效果，实现轻量化；所构建的改进的Unet网络结构包括对称的两部分，第一部分为卷积和池化下采样；第二部分为卷积和上采样，网络的输入是长度为64的g2(τ)数据，先将其重塑为8×8矩阵，输入到卷积层，进行两次卷积，用于提取特征；后经过最大池化层，再进行卷积和上采样操作，用于对提取特征进行恢复；最后通过一个全连接层输出结果，从而产生血流指数(BFI)作为输出，即通过深度学习方法直接建立从光强自相关函数到血流指数之间的端到端网络，从而得到血流指数数据；
步骤(4)：网络训练与诊断；步骤(2)中训练集样本数据输入步骤(3)所构建的Unet网络中进行训练，训练完成后将测试集样本数据输入已训练好的网络模型中进行诊断，得到结果血数数据集，从而计算求得组织血流变化。


2.根据权利要求1所述的一种基于深度学习的扩散相关光谱血流量化方法，其特征在于，
网络训练时，当传统非线性拟合方法计算出的血流指数和Unet网络预测得到的血流指数的均方误差达到最小值时，训练结束。


3.根据权利要求1所述的一种基于深度学习的扩散相关光谱血流量化方法，其特征在于所述的扩散相关光谱血流检测系统包括系统光...

【专利技术属性】
技术研发人员：李哲，姜敏楠，葛奇思，冯金超，贾克斌，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京;11