System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及核磁共振谱降噪领域中的一种降噪方法,特别是涉及一种基于轻量级神经网络的核磁共振谱降噪方法。
技术介绍
1、磁共振波谱是一种基于分子内部原子核核磁矩与强磁场相互作用的分析方法,通过给原子核施加射频电磁波并检测其磁场效应来获取分子结构和化学键信息。该分析方法具有高度的精准度和分辨率,被广泛应用于化学、生物、医学等领域的研究,可以用于检测脑部疾病、材料结构、电子状态等领域。在进行磁共振波谱数据降噪时,需要考虑到数据的准确性和噪声的特征。目前,常用的降噪方法包括基线校正、峰强度平滑、信噪比增强、小波分析和主成分分析等。基于深度学习的降噪方法在近年来也得到了广泛应用,olaf等人提出了卷积神经网络unet,该网络采用自编码器结构,将输入数据编码为更低维度的特征表示,并通过解码器将其还原为原始数据。该网络被广泛应用在图像分割,图像去噪等领域。近年来wu等人提出了基于unet的磁共振波谱去噪网络dnunet,对于液体核磁数据取得了很好的降噪效果,但该网络模型庞大且训练时间成本高,这些都限制了该方法的广泛应用。
技术实现思路
1、基于此,有必要针对现有核磁共振谱降噪方法所采用的深度神经网络模型的训练时间成本高、降噪效果不理想的技术问题,本专利技术提供一种基于轻量级神经网络的核磁共振谱降噪方法。
2、本专利技术采用以下技术方案实现:一种核磁共振谱降噪方法,其将低信噪比核磁谱数据输入到深度神经网络模型进行降噪得到高信噪比核磁谱数据;所述深度神经网络模型设计方法包括以下步骤:<
...【技术保护点】
1.一种核磁共振谱降噪方法,其将低信噪比核磁谱数据输入到深度神经网络模型进行降噪得到高信噪比核磁谱数据;其特征在于,所述深度神经网络模型设计方法包括以下步骤:
2.根据权利要求1所述的核磁共振谱降噪方法,其特征在于,在步骤S1中,所述m次编码的编码方法包括以下步骤:
3.根据权利要求2所述的核磁共振谱降噪方法,其特征在于,在步骤S2中,的特征图DResultm优化方法包括以下步骤:
4.根据权利要求3所述的核磁共振谱降噪方法,其特征在于,在步骤S3中,所述m次解码的解码方法包括以下步骤:
5.根据权利要求4所述的核磁共振谱降噪方法,其特征在于,在步骤S3中,所述数据重建的方法包括以下步骤:
6.根据权利要求5所述的核磁共振谱降噪方法,其特征在于,在m次编码中,相应一维卷积的卷积核为15,步长为1,进行零填充;
7.根据权利要求5所述的核磁共振谱降噪方法,其特征在于,在m次编码中,相应的激活函数采用LeakyRelu激活函数;
8.根据权利要求1所述的核磁共振谱降噪方法,其特征在于,所述核磁共振谱降
9.根据权利要求8所述的核磁共振谱降噪方法,其特征在于,在步骤S52之后还对训练样本FID做预处理,训练样本FID的预处理方法包括以下步骤:
10.一种核磁共振谱降噪装置,其应用了如权利要求1至9中任意一项所述的核磁共振谱降噪方法,其特征在于,所述核磁共振谱降噪装置包括:
...【技术特征摘要】
1.一种核磁共振谱降噪方法,其将低信噪比核磁谱数据输入到深度神经网络模型进行降噪得到高信噪比核磁谱数据;其特征在于,所述深度神经网络模型设计方法包括以下步骤:
2.根据权利要求1所述的核磁共振谱降噪方法,其特征在于,在步骤s1中,所述m次编码的编码方法包括以下步骤:
3.根据权利要求2所述的核磁共振谱降噪方法,其特征在于,在步骤s2中,的特征图dresultm优化方法包括以下步骤:
4.根据权利要求3所述的核磁共振谱降噪方法,其特征在于,在步骤s3中,所述m次解码的解码方法包括以下步骤:
5.根据权利要求4所述的核磁共振谱降噪方法,其特征在于,在步骤s3中,所述数据重建的方法包括以下步骤:
...
【专利技术属性】
技术研发人员:詹昊霖,房启元,刘佳伟,陈心语,
申请(专利权)人:合肥工业大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。