-
公开(公告)号：CN108120944B
公开(公告)日：2019-12-06
申请号：CN201711136488.0
申请日：2017-11-16
Applicant: 上海理工大学
Abstract: 本发明涉及一种加权迭代的低场核磁共振T2谱反演算法，包括如下步骤：(1)读取低场核磁共振设备采集得到的原始数据文件；(2)对原始数据进行预处理操作得到反演核心矩阵K以及原始数据中各回波波峰的回波时刻的信号幅值组成的向量m；(3)计算采集数据的信噪比、曲率、斜率，进而获取反演权重矩阵；(4)利用反演权重矩阵进行加权迭代求解式：m＝Ks，得到s的最优解，s表示横向弛豫时间所对应的物质的含量组成的向量；(5)根据最优解绘制T2谱。与现有技术相比，本发明对短弛豫组分进行加权，更贴近原始信号的稀疏性，计算精度高，鲁棒性好，在不同信噪比数据情况下，能够得到稳定的反演结果。
-
公开(公告)号：CN106199474B
公开(公告)日：2018-10-12
申请号：CN201610578393.3
申请日：2016-07-21
Applicant: 上海理工大学
IPC: G01R33/56
Abstract: 本发明涉及一种低场核磁共振二维谱反演算法，在PDCO（一种求解凸规划的原始对偶内点法）基础上推广到二维空间，用于求解二维反演问题。与目前国内外文献报道的其他低场核磁共振反演算法相比，本发明其使用L1正则化和L2正则化而不是通常的只使用L2正则化，更贴近原始信号的稀疏性，得到的解更能体现真实的谱分布；原始对偶内点法在计算时就保证了解的非负性，不需要进行额外的非负约束计算，简化了反演流程；对紧密相连的临近峰也能够区分，计算精度高；鲁棒性好，在不同信噪比数据情况下，能够得到稳定的反演结果。
-
公开(公告)号：CN109902638A
公开(公告)日：2019-06-18
申请号：CN201910164086.4
申请日：2019-03-05
Applicant: 上海理工大学
IPC: G06K9/00
Abstract: 本发明提供一种基于2D-CNN的食用油横向弛豫信号特征提取方法，包括步骤：S1：读取CPMG原始数据并进行反演得到反演数据；S2：分别对CPMG原始数据和反演数据进行预处理；S3：绘制横向弛豫衰减曲线和多组分弛豫谱；S4：构建二维卷积神经网络；S5：自横向弛豫衰减曲线和多组分弛豫谱中提取数据形成训练集和测试集；S6：将训练集输入二维卷积神经网络；S7：将测试集输入训练后二维卷积神经网络；S8：获得分类结果。本发明的一种基于2D-CNN的食用油横向弛豫信号特征提取方法，通过二维卷积神经网络模型直接对食用油横向弛豫进行特征提取并实现分类，可有效防止无效特征的产生，保证了分类结果的精确性。
-
公开(公告)号：CN106199474A
公开(公告)日：2016-12-07
申请号：CN201610578393.3
申请日：2016-07-21
Applicant: 上海理工大学
IPC: G01R33/56
CPC classification number: G01R33/56
Abstract: 本发明涉及一种低场核磁共振二维谱反演算法，在PDCO（一种求解凸规划的原始对偶内点法）基础上推广到二维空间，用于求解二维反演问题。与目前国内外文献报道的其他低场核磁共振反演算法相比，本发明其使用L1正则化和L2正则化而不是通常的只使用L2正则化，更贴近原始信号的稀疏性，得到的解更能体现真实的谱分布；原始对偶内点法在计算时就保证了解的非负性，不需要进行额外的非负约束计算，简化了反演流程；对紧密相连的临近峰也能够区分，计算精度高；鲁棒性好，在不同信噪比数据情况下，能够得到稳定的反演结果。
-
公开(公告)号：CN104462014A
公开(公告)日：2015-03-25
申请号：CN201410660768.1
申请日：2014-11-19
Applicant: 上海理工大学
IPC: G06F17/00
Abstract: 本发明涉及一种基于改进非局部均值的低场核磁共振信号滤波新方法，属于低场核磁共振信号处理领域。步骤包括：a.输入待降噪的低场核磁共振CPMG回波信号；b.计算出输入的CPMG回波信号从首点开始到回波信号幅度下降至首点幅度的30%之间的点的个数，并将点的个数作为整个滤波算法的搜索窗宽度；c.根据CPMG回波信号各点的数据方差大小按照线性函数求取相似窗口的大小；d.利用Stein无偏风险估计的方法求取非局部均值算法的最优衰减参数的大小；e.利用步骤b、c和d所求得的参数按照非局部均值算法对信号进行最终滤波。优点表现为：与原始非局部均值算法对比，能取得更好的滤波效果，得到更加精确的反演谱。
-
Patent Agency Ranking
公开(公告)号：CN104375108A
公开(公告)日：2015-02-25
申请号：CN201410661016.7
申请日：2014-11-19
Applicant: 上海理工大学
IPC: G01R33/56
Abstract: 本发明涉及一种基于LSQR(LeastSquaresQRDecomposition，最小二乘QR分解)的低场核磁共振二维谱反演算法，属于核磁共振信号处理领域。本发明的优点表现为：本发明与目前国内外文献报道的其他低场核磁共振反演算法相比，其借助“L”曲线自适应选择合适的迭代次数，得到的解更能体现真实的谱分布；通过迭代修正来实现非负限制，计算精度高，鲁棒性好，在不同信噪比数据情况下，能够得到稳定的反演结果。
-
-
公开(公告)号：CN105891249A
公开(公告)日：2016-08-24
申请号：CN201610187844.0
申请日：2016-03-29
Applicant: 上海理工大学
IPC: G01N24/08
CPC classification number: G01N24/08
Abstract: 本发明涉及一种时域核磁共振谱反演的方法，首先，生成反演核并形成L1范数正则化问题：先根据采样序列和采样参数，生成反演核，添加L1范数项进行惩罚，形成L1范数正则化问题；然后，数据拟合：对L1范数正则化问题进行迭代求解，并得到反演谱。大幅提高了反演算法的执行效率与谱的分辨率，同时还具有很好的鲁棒性。
-
公开(公告)号：CN109598245B
公开(公告)日：2023-02-07
申请号：CN201811491929.3
申请日：2018-12-07
Applicant: 上海理工大学
IPC: G06F18/24 , G06F18/213 , G06F18/10 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于1D‑CNN的食用油横向弛豫衰减曲线信号特征提取方法，包括如下步骤：采用低场核磁共振设备与CPMG序列采集多个种类已知的食用油原始信号数据文件，而后分别读取CPMG原始信号数据文件作为训练集的第一原始信号数据与测试集的第二原始信号数据；将两个原始信号数据绘制成横向弛豫衰减曲线并对其进行衰减截止点的判断，并根据衰减截止点对两个原始信号数据进行信号截取，得到不包含噪声的训练集的第一去噪信号数据与测试集的第二去噪信号数据；将两个去噪信号数据进行归一化处理，得到两个归一化信号数据；将训练集归一化信号数据用于构建一维卷积神经网络模型即CNN模型后将测试集归一化信号数据输入进行测试，得测试集中的食用油的种类标签。
-
公开(公告)号：CN109902638B
公开(公告)日：2021-02-23
申请号：CN201910164086.4
申请日：2019-03-05
Applicant: 上海理工大学
IPC: G06K9/00
Abstract: 本发明提供一种基于2D‑CNN的食用油横向弛豫信号特征提取方法，包括步骤：S1：读取CPMG原始数据并进行反演得到反演数据；S2：分别对CPMG原始数据和反演数据进行预处理；S3：绘制横向弛豫衰减曲线和多组分弛豫谱；S4：构建二维卷积神经网络；S5：自横向弛豫衰减曲线和多组分弛豫谱中提取数据形成训练集和测试集；S6：将训练集输入二维卷积神经网络；S7：将测试集输入训练后二维卷积神经网络；S8：获得分类结果。本发明的一种基于2D‑CNN的食用油横向弛豫信号特征提取方法，通过二维卷积神经网络模型直接对食用油横向弛豫进行特征提取并实现分类，可有效防止无效特征的产生，保证了分类结果的精确性。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.037 seconds)
