欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2023103911119
申请人: 吉林大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于深度残差网络的磁共振工频谐波噪声抑制方法,其特征在于,该方法包括:形成数据集:建立仿真磁共振地下水探测仪采集的磁共振信号数据集X(n),加入多种频率的工频及其谐波噪声N(n),得到含工频谐波噪声的磁共振信号Y(n),形成训练数据集,其中每条信号的长度为N,每个数据集的信号个数为M;

构建网络:设计残差网络的结构,确定网络深度及残差块种类,将网络参数初始化;

训练模型:输入训练数据集,前向传播时计算误差,反向传播时利用梯度下降法更新网络参数,利用残差学习机制建立含噪信号与噪声之间的映射关系,使损失函数逐渐优化至最小;训练模型的具体步骤包括:将含工频谐波噪声的磁共振信号Y(n)作为残差网络的输入,工频谐波噪声N(n)作为残差网络的输出,构造去工频谐波噪声的残差网络模型:,

其中,RN表示搭建的残差网络,为网络参数,网络参数会在反向传播中不断更新,将仿真的含工频谐波噪声的核磁信号Y(n)输入进残差网络,含噪的磁共振信号数据y经网络前向传播算法输出工频谐波噪声数据,将减去噪声数据得到干净的信号;

其中进行前向传播算法,将含噪数据作为残差网络的输入,引入残差块,所述残差块由多个卷积层加上一个恒等映射构成,设F为残差函数,h为恒等映射,为第n个残差块的输入,为第n个残差块的输出,为第n个残差块的内部关系矩阵,则有:;

设单个卷积层输入张量为a,对应内部系数矩阵为Wl,偏倚向量为bl,则卷积层第L层的输入张量、内部系数矩阵、偏倚向量分别为、和,经过卷积运算及激活操作得到第L+1层网络的输入张量:,

其中,表示激活函数,*表示卷积操作,在单个卷积层内,卷积运算和激活操作之间利用BN算法进行批量归一化,来达到加速网络训练的目的;

所述残差块的层数为两层,若为第n个两层残差块的输入张量, ,根据残差块结构则有,

,

以残差块为单位进行前向传播:

,

,

,

建立损失函数,J()越小,预测的噪声输出与实际噪声越接近;

进行反向传播算法:在残差网络中引入残差,利用损失函数J()计算第n个残差块的残差:,

则得到:

, ,

其中为第n个残差块对应的偏倚向量,利用梯度下降法更新网络参数:,

,=1,2,...,n-1,,β为学习速率;

当各隐藏层与输出层的线性关系系数矩阵W和偏倚向量b小于停止更新的阈值ε时,停止梯度下降法并将W和b输出,其中W、b分别表示各残差块内部的隐藏层与输出层的线性关系系数矩阵和偏倚向量;

测试模型:组建基于实际测量数据的测试数据集,利用训练好的模型进行降噪处理。

2.按照权利要求1所述的方法,其特征在于,残差网络包括:卷积运算,对输入数据进行特征提取,第一层的卷积运算调整输入含噪信号的尺寸用于池化;

池化层,用于提取数据的特征信息,过滤冗余信息;

残差块,用于在深层网络中防止神经网络退化,使网络随着深度的增加获得更高的精度;

全连接层,设置在放在残差网络的末尾,使输出与输入尺寸相同。

3.按照权利要求2所述的方法,其特征在于,构建残差网络的具体步骤为:步骤a:选定残差块种类,确定残差网络结构的层数L、残差块个数n和每层隐藏层的类型及参数,定义卷积核的大小K、填充大小P以及步幅S;

步骤b:初始化网络参数、学习速率β及停止迭代阈值ε,其中W、b分别表示各残差块内部的隐藏层与输出层的线性关系系数矩阵和偏倚向量。

4.按照权利要求1所述的方法,其特征在于,构建训练数据集的具体步骤为:步骤a:使用MATLAB构建仿真的磁共振信号,表达式为,其中t为时间,E0是初始振幅,T2*是弛豫时间,fL是拉莫尔频率,是初始相位,得到X1(n),重复m次,得到信号个数为M,采集数据长度为N的核磁共振信号数据集X(n)=[X0(n),X1(n),X2(n),...,XM-1(n)];

步骤b:使用MATLAB构建仿真的工频谐波信号,表达式为,其中k为工频谐波的次数,fN是基波频率,为50±0.1或60±0.1Hz,和是k次谐波的初始振幅和相位,改变谐波次数k以构建不同频率,不同振幅的工频谐波噪声N(n)=[N0(n),N1(n),N2(n),...,NM-1(n)],信号个数为M,采集数据长度为N;

步骤c:根据Y(n)=X(n)+N(n),通过改变初始振幅、初始相位、谐波次数来构造多组的核磁共振信号数据集X(n)、和工频谐波噪声信号N(n),得到含噪的磁共振信号Y(n)。