数据处理方法、装置、电子设备及存储介质制造方法及图纸

本申请公开了一种数据处理方法、装置、电子设备及存储介质。其中，方法包括：利用磁感应断层成像(MIT)设备采集第一数据，所述第一数据包含一维序列数据；利用格拉姆角场(GAF)算法，对所述第一数据进行转化处理，得到第二数据，所述第二数据包含二维图像数据；利用所述第二数据和第一模型，生成第一图像；利用所述第一图像和第二模型，生成MIT图像。本申请提供的方案，能够降低对MIT设备精度及数据量的要求，并能提升MIT图像的分辨率。并能提升MIT图像的分辨率。并能提升MIT图像的分辨率。

【技术实现步骤摘要】
数据处理方法、装置、电子设备及存储介质


[0001]本申请涉及成像算法领域，尤其涉及一种数据处理方法、装置、电子设备及存储介质。

技术介绍

[0002]磁感应断层成像(MIT，Magnetic Induction Tomography)技术是一种磁激励无接触的成像技术。在利用MIT技术进行成像时，将目标对象置于被测区域，利用激励线圈产生磁场并对被测区域施加激励，利用检测线圈检测被测区域内的物理变化量，从而可以根据被测区域内的物理变化量重构目标对象内部电导率的分布图像。
[0003]然而，利用相关技术中MIT成像方法进行成像时，成像结果分辨率较低。

技术实现思路

[0004]为解决相关技术问题，本申请实施例提供一种数据处理方法、装置、电子设备及存储介质。
[0005]本申请实施例的技术方案是这样实现的：
[0006]本申请实施例提供一种数据处理方法，包括：
[0007]利用MIT设备采集第一数据，所述第一数据包含一维序列数据；
[0008]利用格拉姆角场(GAF，Gramian Angular Field)算法，对所述第一数据进行转化处理，得到第二数据，所述第二数据包含二维图像数据；
[0009]利用所述第二数据和第一模型，生成第一图像；
[0010]利用所述第一图像和第二模型，生成MIT图像。
[0011]上述方案中，所述利用GAF算法，对所述第一数据进行转化处理，得到第二数据，包括：
[0012]将所述第一数据与基准数据进行对比，得到对比结果；
[0013]利用GAF算法，对所述对比结果进行转化处理，得到所述第二数据。
[0014]上述方案中，所述方法还包括：
[0015]在被测物场内不存在目标对象的情况下，采集所述被测物场的物理量，得到第三数据；
[0016]将所述第三数据作为基准数据。
[0017]上述方案中，所述利用所述第二数据和第一模型，生成第一图像，包括：
[0018]利用所述第二数据和残差网络生成所述第一图像；其中，
[0019]所述残差网络中的Sigmoid激活函数用于进行去线性化处理，所述残差网络中的二元交叉熵损失函数用于评估所述第一模型预测结果与真实结果之间的差异程度。
[0020]上述方案中，所述利用所述第一图像和第二模型，生成MIT图像，包括：
[0021]利用所述第一图像和对抗网络生成所述MIT图像。
[0022]上述方案中，所述方法还包括：
[0023]将被测物场的成像区域用三角形进行划分，得到多个成像子区域；
[0024]确定多个成像子区域中每个成像子区域的电导率，得到第三数据；
[0025]利用多个成像子区域的电导率，对所述第一模型进行训练。
[0026]上述方案中，所述方法还包括：
[0027]获取第一信息，所述第一信息表征第一模型训练过程中样本的召回率；
[0028]利用所述第三数据和所述第一信息，对所述第一模型进行训练。
[0029]本申请实施例还提供了一种数据处理装置，包括：
[0030]采集单元，用于利用MIT设备采集第一数据，所述第一数据包含一维序列数据；
[0031]处理单元，用于利用GAF算法，对所述第一数据进行转化处理，得到第二数据，所述第二数据包含二维图像数据；利用所述第二数据和第一模型，生成第一图像；以及利用所述第一图像和第二模型，生成MIT图像。
[0032]本申请实施例还提供了一种电子设备，包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器，
[0033]其中，所述处理器用于运行所述计算机程序时，执行上述任一方法的步骤。
[0034]本申请实施例还提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一方法的步骤。
[0035]本申请实施例提供的数据处理方法、装置、电子设备及存储介质，利用MIT设备采集第一数据，所述第一数据包含一维序列数据；利用GAF算法，对所述第一数据进行转化处理，得到第二数据，所述第二数据包含二维图像数据；利用所述第二数据和第一模型，生成第一图像；利用所述第一图像和第二模型，生成MIT图像。本申请实施例提供的方案，将MIT设备采集的数据转化为图像数据后，利用图像数据进行预成像，由于不需要利用MIT设备采集的数据(即物理信息)直接进行MIT成像，因此能够降低对MIT设备的精度及数据量的要求，由于在相同图像分辨率要求下，减少了训练MIT成像模型所需的数据量，因此能够提高MIT图像分辨率上限，进而提升MIT图像的分辨率；同时，通过利用MIT设备采集的一维序列数据转化而成的二维图像数据进行初步成像，能够保留数据的时空信息，从而进一步提升初步成像质量，进而提高MIT图像的分辨率。
附图说明
[0036]图1为本申请实施例数据处理的方法流程示意图；
[0037]图2为本申请实施例中一种MIT设备结构示意图；
[0038]图3为本申请实施例中一种pix2pix网络架构示意图；
[0039]图4为本申请实施例数据处理装置结构示意图；
[0040]图5为本申请实施例电子设备结构示意图。
具体实施方式
[0041]下面结合附图及实施例对本申请再作进一步详细的描述。
[0042]MIT技术是在电阻抗断层成像(EIT，Electrical Impedance Tomography)技术的基础上进行改进的一种新型的磁激励无接触的成像技术，MIT技术与EIT技术都是以重构目标对象的电导率相对分布变化为成像目标，但在硬件设计方面，即物理信息采集部分，MIT
技术中通过非接触式的线圈产生激励，而EIT技术中则通过与目标对象直接接触的电极来施加激励。MIT技术具有非接触、实时监护、成本低等特点，能够广泛应用于工业无损检测、地质勘探等领域，且在临床医学成像方面也极具应用前景。
[0043]在利用MIT技术进行成像时，MIT设备中的非接触式的激励线圈产生磁场对被测区域施加激励，检测线圈检测被测区域内的物理变化量(即物理信息)，比如，电压变化量，从而根据检测的物理变化量计算得到成像结果。这种采集物理信息的方式，决定了MIT成像结果对电导率和磁导率都较为敏感，且激励信号能够较好地穿透电导率较低的物体，从而在采用MIT技术进行成像时，能够较好地检测目标对象内部的电导率分布，比如，在医学影像应用场景下，激励信号能够较好地穿透电导率较低的颅骨，从而可以检测肿瘤、脑血肿、脑水肿等。同时，相较于需要直接接触的EIT技术，MIT技术还能够适用于更多的应用场景，尤其是不适合直接接触目标对象的应用场景，比如，在医学成像应用场景下，当需要进行成像的部位存在皮肤过敏、外伤等情况时，显然更适合采用非接触式的MIT技术进行成像。
[0044]其中，如上所述，在利用MIT技术进行成像的过程中，MIT设备采集的物理信息需要经过一系列算法进行计本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据处理方法，其特征在于，包括：利用磁感应断层成像MIT设备采集第一数据，所述第一数据包含一维序列数据；利用格拉姆角场GAF算法，对所述第一数据进行转化处理，得到第二数据，所述第二数据包含二维图像数据；利用所述第二数据和第一模型，生成第一图像；利用所述第一图像和第二模型，生成MIT图像。2.根据权利要求1所述的方法，其特征在于，所述利用GAF算法，对所述第一数据进行转化处理，得到第二数据，包括：将所述第一数据与基准数据进行对比，得到对比结果；利用GAF算法，对所述对比结果进行转化处理，得到所述第二数据。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：在被测物场内不存在目标对象的情况下，采集所述被测物场的物理量，得到第三数据；将所述第三数据作为基准数据。4.根据权利要求1所述的方法，其特征在于，所述利用所述第二数据和第一模型，生成第一图像，包括：利用所述第二数据和残差网络生成所述第一图像；其中，所述残差网络中的Sigmoid激活函数用于进行去线性化处理，所述残差网络中的二元交叉熵损失函数用于评估所述第一模型预测结果与真实结果之间的差异程度。5.根据权利要求1所述的方法，其特征在于，所述利用所述第一图像和第二模型，生成MIT图像，包括：利...

【专利技术属性】
技术研发人员：孙翊杰，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：