一种基于无训练深度神经网络的NMR弛豫时间反演方法技术

本发明专利技术公开了一种基于无训练深度神经网络的NMR弛豫时间反演方法，建立无训练深度神经网络模型，建立的无训练深度神经网络模型的损失函数；输入NMR弛豫信号；无训练深度神经网络模型根据输入的NMR弛豫信号更新神经网络权重，最小化损失函数，从而得到最优的NMR弛豫信号与NMR弛豫时间谱之间的映射关系，输出最优的NMR弛豫时间谱。本发明专利技术无需先验信息，正则化参数自学习；无需预训练，不赖大量的数据集；对待测数据中的噪声具有高阻抗。待测数据中的噪声具有高阻抗。待测数据中的噪声具有高阻抗。

【技术实现步骤摘要】
一种基于无训练深度神经网络的NMR弛豫时间反演方法


[0001]本专利技术属于核磁共振
，具体涉及一种基于无训练深度神经网络的NMR弛豫时间反演方法。

技术介绍

[0002]在核磁共振（NMR）研究领域，所研究样品的NMR弛豫时间是与物质分子的结构和动态过程以及所处的环境密切相关, 是表征物质特性以及所处的环境相互关系的特征参数。研究中最常用的NMR弛豫时间有两种：纵向（自旋
‑
晶格）弛豫时间T1和横向(自旋
‑
自旋) 弛豫时间T2。对于简单体系的NMR样品（如纯水）弛豫过程是单指数的时变函数形式，样品的弛豫时间（T1和T2）是易于分析的单组份。而如果所研究的样品含有多种物质成分或者是样品内部的局部微环境不均匀的复杂体系，样品的NMR弛豫过程不再是简单的单指数时变函数形式，而是比较复杂的多指数时变函数形式，样品NMR弛豫时间隐含有多种组分信息，复杂体系的数据分析要复杂和困难得多，必须通过合适的特定的NMR弛豫时间反演方法进行演算分析才能获得各种组分的弛豫时间（又称为：NMR弛豫时间谱，T1谱，T2谱），本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于无训练深度神经网络的NMR弛豫时间反演方法，其特征在于，包括以下步骤：步骤1、建立无训练深度神经网络模型，建立的无训练深度神经网络模型的损失函数：其中， ，为无训练深度神经网络模型输入的NMR弛豫信号与无训练深度神经网络模型输出的NMR弛豫时间谱之间的映射关系，为输入的NMR弛豫信号，为反演核矩阵，为神经网络权重，为NMR弛豫多信号的标准差，和均为正则化参数，为1
‑
范数；为2
‑
范数的平方；步骤2、输入NMR弛豫信号；步骤3、无训练深度神经网络模型根据输入的NMR弛...

【专利技术属性】
技术研发人员：陈黎，申胜，陈俊飞，陈方，刘朝阳，
申请(专利权)人：中国科学院精密测量科学与技术创新研究院，
类型：发明
国别省市：