申请/专利权人:厦门大学
申请日:2024-03-29
公开(公告)日:2024-05-24
公开(公告)号:CN118069995A
主分类号:G06F18/10
分类号:G06F18/10;G06F18/214;G06N3/0464;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.06.11#实质审查的生效;2024.05.24#公开
摘要:本发明公开了一种基于深度学习的核磁共振定域波谱信号去噪方法及系统,涉及波谱信号去噪技术领域,首先获取带有噪声的核磁共振定域波谱信号,通过零均值噪声来构建训练‑目标对;引入自注意力机制,将注意力模块AttentionBlock嵌入到深度神经网络模型中;基于训练‑目标对,对深度神经网络模型进行训练,得到核磁共振定域波谱信号去噪模型;将带有噪声的目标核磁共振定域波谱信号输入所述核磁共振定域波谱信号去噪模型中,得到去噪后的核磁共振定域波谱信号。本发明从噪声到噪声的训练策略出发,能够在只依赖成对噪声数据的前提下训练网络,并且通过自注意力机制,增强神经网络的去噪能力,获得较好的数据恢复效果。
主权项:1.一种基于深度学习的核磁共振定域波谱信号去噪方法,其特征在于,包括以下步骤:步骤1、获取带有噪声的核磁共振定域波谱信号,通过零均值噪声来构建训练-目标对;步骤2、引入自注意力机制,将注意力模块AttentionBlock嵌入到深度神经网络模型中;步骤3、基于所述训练-目标对,对增加注意力模块AttentionBlock后的深度神经网络模型进行训练,得到核磁共振定域波谱信号去噪模型;步骤4、将带有噪声的目标核磁共振定域波谱信号输入所述核磁共振定域波谱信号去噪模型中,得到去噪后的核磁共振定域波谱信号。
全文数据:
权利要求:
百度查询: 厦门大学 一种基于深度学习的核磁共振定域波谱信号去噪方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。