公开(公告)号：CN118051741A

公开(公告)日：2024-05-17

申请号：CN202410381064.4

申请日：2024-03-29

Applicant: 厦门大学

Inventor： 林雁勤 ,  罗德斌 ,  郑霄栩

IPC: G06F18/20 ,  A61B5/055 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08 ,  G06F18/10

Abstract: 本发明公开了一种基于自注意力机制的MRS数据量化方法及系统，涉及MRS数据量化技术领域，首先获取MRS数据，进行预处理；构建MRS数据量化网络，使用去噪模块对预处理后的MRS数据进行去噪处理；使用量化模块进行量化，得到MRS数据系列参数；使用拟合模块对MRS数据系列参数进行拟合，得到拟合MRS数据；计算拟合MRS数据和预处理后的MRS数据之间的最小平方误差，更新MRS数据量化网络的权重。使用训练后的MRS数据量化网络，对MRS数据进行量化处理。本发明在MRS数据的量化中引入了自注意机制以及去噪网络，可以更加精准的量化MRS数据，尤其是在低信噪比的情况下，依旧具有较高的量化准确率。

公开(公告)号：CN118069995A

公开(公告)日：2024-05-24

申请号：CN202410381066.3

申请日：2024-03-29

Applicant: 厦门大学

Inventor： 林雁勤 ,  罗德斌 ,  苟垚平 ,  郑霄栩

IPC: G06F18/10 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/08

Abstract: 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。