【技术实现步骤摘要】
本申请涉及人工智能，特别是涉及一种电磁干扰预测模型的训练方法、医学信号处理方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
1、基于人工智能算法抑制emi干扰(electromagnetic interference，电磁干扰)能有效地降低磁共振扫描过程中对屏蔽环境的要求，使磁共振扫描能实现更低的建设成本，并适应更多复杂的使用场景。
2、现有的人工智能算法主要利用在某些医院或者场地预先采集的数据训练emi信号的预测模型，或者利用部署模型的磁共振设备自身采集的数据对emi信号的预测模型进行一定的在线优化。然而，这种一个场地的预测模型只能根据该场地采集的数据进行优化的方法，难以获得较好的emi抑制效果。
技术实现思路
1、基于此，有必要针对上述预测模型只能根据该场地采集的数据进行优化的方法，难以获得较好的emi抑制效果的技术问题，提供一种电磁干扰预测模型的训练方法、医学信号处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面，本申请提供了一种电磁干扰预测模型的训练方法。所述方法包括：
3、在目标磁共振设备存在新的样本测量信号的情况下，通过所述新的样本测量信号对所述目标磁共振设备对应的本地预测模型进行训练，得到更新后的本地模型信息；所述目标磁共振设备包括部署在多个不同区域的磁共振设备中的至少一个；所述本地预测模型用于预测所述目标磁共振设备所采集磁共振信号中的干扰信号；所述新的样本测量信号表示未参与过所述目标磁共振设
4、发送所述更新后的本地模型信息至中央服务器；所述中央服务器，用于根据所述更新后的本地模型信息，调整所述中央服务器对应的全局预测模型的全局模型信息，并将更新后的全局模型信息发送给所述多个不同区域的磁共振设备各自对应的终端，使所述多个不同区域的磁共振设备各自对应的终端基于所述更新后的全局模型信息，调整各自对应的本地预测模型的本地模型信息，得到新的本地预测模型。
5、在其中一个实施例中，所述方法还包括：
6、针对任一个磁共振设备，获取从所述磁共振设备所在区域采集的待处理磁共振信号；
7、通过所述磁共振设备对应的新的本地预测模型，对所述待处理磁共振信号进行分析，得到预测干扰信号；
8、基于所述待处理磁共振信号和所述预测干扰信号，得到所述待处理磁共振信号中的有效信号。
9、在其中一个实施例中，所述基于所述待处理磁共振信号和所述预测干扰信号，得到所述待处理磁共振信号中的有效信号，包括：
10、将所述待处理磁共振信号与所述预测干扰信号进行相减，得到所述待处理磁共振信号中的有效信号。
11、在其中一个实施例中，所述更新后的本地模型信息包括本地预测模型的模型参数和模型梯度信息中的至少一个；
12、在发送所述更新后的本地模型信息至中央服务器之前，还包括：
13、对所述更新后的本地模型信息进行加密处理，得到加密后本地模型信息；
14、发送所述加密后本地模型信息至所述中央服务器。
15、在其中一个实施例中，所述部署在多个不同区域的磁共振设备中的每个磁共振设备对应的本地预测模型包括第一本地预测模型和第二本地预测模型；
16、所述第一本地预测模型用于对每个磁共振设备所在区域所采集的磁共振信号进行干扰信号的实际预测；
17、所述第二本地预测模型用于在每个磁共振设备存在新的样本测量信号的情况下，进行本地模型信息的更新，并参与所述中央服务器的全局模型信息的更新。
18、第二方面，本申请还提供了一种电磁干扰预测模型的训练方法。所述方法包括：
19、接收目标磁共振设备发送的更新后的本地模型信息；所述更新后的本地模型信息通过所述目标磁共振设备对应的新的样本测量信号对所述目标磁共振设备对应的本地预测模型进行训练后得到；所述目标磁共振设备包括部署在多个不同区域的磁共振设备中的至少一个，所述本地预测模型用于预测所述目标磁共振设备所采集磁共振信号中的干扰信号；所述新的样本测量信号表示未参与过所述目标磁共振设备对应的本地预测模型训练的信号；
20、根据所述更新后的本地模型信息，调整所述中央服务器对应的全局预测模型的全局模型信息；
21、发送所述更新后的全局模型信息至所述多个不同区域的磁共振设备各自对应的终端，使所述多个不同区域的磁共振设备各自对应的终端基于所述更新后的全局模型信息，调整各自对应的本地预测模型的本地模型信息，得到新的本地预测模型。
22、在其中一个实施例中，所述根据所述更新后的本地模型信息，调整所述中央服务器对应的全局预测模型的全局模型信息，包括：
23、在所述目标磁共振设备包括一个磁共振设备的情况下，用所述更新后的本地模型信息，替换所述中央服务器对应的全局预测模型的全局模型信息。
24、在其中一个实施例中，所述根据所述更新后的本地模型信息，调整所述中央服务器对应的全局预测模型的全局模型信息，还包括：
25、在所述目标磁共振设备包括至少两个磁共振设备的情况下，获取所述至少两个磁共振设备中各个磁共振设备对应的权重系数；所述权重系数表征所述至少两个磁共振设备对应的更新后的本地模型信息对所述全局预测模型的全局模型信息的影响程度；
26、根据所述权重系数，对所述至少两个磁共振设备中各个磁共振设备对应的更新后的本地模型信息进行加权求和处理，用加权求和得到的模型信息替换所述中央服务器对应的全局预测模型的全局模型信息。
27、在其中一个实施例中，所述获取所述至少两个磁共振设备中各个磁共振设备对应的权重系数，包括：
28、获取所述至少两个磁共振设备中各个磁共振设备对应的训练数据量；所述训练数据量表示训练各个磁共振设备对应的本地预测模型的过程中所使用的训练数据的数量；
29、按照训练数据量与权重系数成正相关的关系，确定所述至少两个磁共振设备中各个磁共振设备对应的权重系数。
30、在其中一个实施例中，所述获取所述至少两个磁共振设备中各个磁共振设备对应的权重系数，还包括：
31、获取所述至少两个磁共振设备中各个磁共振设备对应的本地预测模型的预测准确度；
32、按照预测准确度与权重系数成负相关的关系，确定所述至少两个磁共振设备中各个磁共振设备对应的权重系数。
33、第三方面，本申请还提供了一种医学信号处理方法，适用于设置在当前区域的医学扫描设备，其特征在于，所述医学扫描设备具有对应的终端，所述终端与中央服务器通信连接，所述中央服务器还连接有设置在其他区域的终端，所述终端上设置有本地预测模型；
34、所述方法包括：
35、利用目标预测模型对所述医学扫描设备采集的医学信号进行处理，得到预测干扰信号；根据所述预测干扰信号，对所述医学信号进行校正，得到校正后医学信号；
36、本文档来自技高网...
【技术保护点】
1.一种电磁干扰预测模型的训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述待处理磁共振信号和所述预测干扰信号，得到所述待处理磁共振信号中的有效信号，包括：
4.根据权利要求1所述的方法，其特征在于，所述更新后的本地模型信息包括本地预测模型的模型参数和模型梯度信息中的至少一个；
5.根据权利要求1-4任一项所述的方法，其特征在于，所述部署在多个不同区域的磁共振设备中的每个磁共振设备对应的本地预测模型包括第一本地预测模型和第二本地预测模型；
6.一种电磁干扰预测模型的训练方法，其特征在于，所述方法包括：
7.根据权利要求6所述的方法，其特征在于，所述根据所述更新后的本地模型信息，调整所述中央服务器对应的全局预测模型的全局模型信息，包括：
8.根据权利要求6所述的方法，其特征在于，所述根据所述更新后的本地模型信息，调整所述中央服务器对应的全局预测模型的全局模型信息，还包括：
9.根据权利要
10.根据权利要求8所述的方法，其特征在于，所述获取所述至少两个磁共振设备中各个磁共振设备对应的权重系数，还包括：
11.一种医学信号处理方法，适用于设置在当前区域的医学扫描设备，其特征在于，所述医学扫描设备具有对应的终端，所述终端与中央服务器通信连接，所述中央服务器还连接有设置在其他区域的终端，所述终端上设置有本地预测模型；
12.根据权利要求11所述的方法，其特征在于，所述医学信号包含干扰成分，所述校正后医学信号相对所述医学信号的干扰成分受抑制。
13.一种电磁干扰预测模型的训练装置，其特征在于，所述装置包括：
14.一种医学信号处理系统，其特征在于，包括多个不同区域的医学扫描设备、与各个医学扫描设备对应的终端，以及中央服务器，所述中央服务器与各个终端通信连接，每个终端上设置有本地预测模型，其中：
...【技术特征摘要】
1.一种电磁干扰预测模型的训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述待处理磁共振信号和所述预测干扰信号，得到所述待处理磁共振信号中的有效信号，包括：
4.根据权利要求1所述的方法，其特征在于，所述更新后的本地模型信息包括本地预测模型的模型参数和模型梯度信息中的至少一个；
5.根据权利要求1-4任一项所述的方法，其特征在于，所述部署在多个不同区域的磁共振设备中的每个磁共振设备对应的本地预测模型包括第一本地预测模型和第二本地预测模型；
6.一种电磁干扰预测模型的训练方法，其特征在于，所述方法包括：
7.根据权利要求6所述的方法，其特征在于，所述根据所述更新后的本地模型信息，调整所述中央服务器对应的全局预测模型的全局模型信息，包括：
8.根据权利要求6所述的方法，其特征在于，所述根据所述更新后的本地模型信息，调整所述中央服务器对应的全...
【专利技术属性】
技术研发人员：童立，
申请(专利权)人：上海联影医疗科技股份有限公司，
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。