-
公开(公告)号：CN112711910A
公开(公告)日：2021-04-27
申请号：CN202011612156.7
申请日：2020-12-30
Applicant: 厦门大学
Inventor： 肖理业 , 洪荣汉 , 赵乐一 , 其他发明人请求不公开姓名
Abstract: 本发明提供一种基于机器学习‑电磁反演的高空间分辨率脑成像方法，包括以下步骤：建立反演模型，根据高空间分辨率的脑电特性分布，建立SJ‑BPNNs网络和U‑Net网络结合的反演模型，所述SJ‑BPNNs网络将测量到的散射场转化为脑电特性的三维图像，再利用U‑Net网络增强三维图像的成像质量；依据人脑先验信息的脑成像训练策略来建立学习样本数据集；所述训练策略包括：在给定范围内对人脑模型进行不同因子的缩放；根据不同的组织，在给定的范围内随机设置不同训练样本的脑组织电学特性；利用学习样本集对SJ‑BPNNs网络进行训练和验证；再将SJ‑BPNNs输出的三维图像处理成二维图像输入到U‑Net中训练和测试；本发明提供的方法能够实现高效、准确地重建三维高空间分辨率的人脑电性层析成像。
-
公开(公告)号：CN113238460B
公开(公告)日：2022-02-11
申请号：CN202110412412.6
申请日：2021-04-16
Applicant: 厦门大学
Inventor： 肖理业 , 赵乐一 , 易俊男 , 其他发明人请求不公开姓名
Abstract: 本发明提供一种基于深度学习的用于超紫外的光学邻近校正方法，包括：正演模块和反演模块两部分；其中，正演模块用于快速准确地将掩膜映射到堆叠上方平面对应的近远场，反演模块用于快速准确地将目标成像映射到校正后的掩膜。本发明提供的方法与传统的全波模拟相比，正演模块可以大大提高计算效率，包括所需的运行时间和内存；同时，与耗时的迭代OPC方法不同的是利用训练好的反演模块输入目标成像即可得到修正后的掩膜。
-
公开(公告)号：CN112711910B
公开(公告)日：2022-05-17
申请号：CN202011612156.7
申请日：2020-12-30
Applicant: 厦门大学
Inventor： 肖理业 , 洪荣汉 , 赵乐一 , 其他发明人请求不公开姓名
Abstract: 本发明提供一种基于机器学习‑电磁反演的高空间分辨率脑成像方法，包括以下步骤：建立反演模型，根据高空间分辨率的脑电特性分布，建立SJ‑BPNNs网络和U‑Net网络结合的反演模型，所述SJ‑BPNNs网络将测量到的散射场转化为脑电特性的三维图像，再利用U‑Net网络增强三维图像的成像质量；依据人脑先验信息的脑成像训练策略来建立学习样本数据集；所述训练策略包括：在给定范围内对人脑模型进行不同因子的缩放；根据不同的组织，在给定的范围内随机设置不同训练样本的脑组织电学特性；利用学习样本集对SJ‑BPNNs网络进行训练和验证；再将SJ‑BPNNs输出的三维图像处理成二维图像输入到U‑Net中训练和测试；本发明提供的方法能够实现高效、准确地重建三维高空间分辨率的人脑电性层析成像。
-
公开(公告)号：CN113238460A
公开(公告)日：2021-08-10
申请号：CN202110412412.6
申请日：2021-04-16
Applicant: 厦门大学
Inventor： 肖理业 , 赵乐一 , 易俊男 , 其他发明人请求不公开姓名
Abstract: 本发明提供一种基于深度学习的用于超紫外的光学邻近校正方法，包括：正演模块和反演模块两部分；其中，正演模块用于快速准确地将掩膜映射到堆叠上方平面对应的近远场，反演模块用于快速准确地将目标成像映射到校正后的掩膜。本发明提供的方法与传统的全波模拟相比，正演模块可以大大提高计算效率，包括所需的运行时间和内存；同时，与耗时的迭代OPC方法不同的是利用训练好的反演模块输入目标成像即可得到修正后的掩膜。
-
-
-
Search Results
4
records
(took 0.012 seconds)
