-
公开(公告)号：CN102551723A
公开(公告)日：2012-07-11
申请号：CN201210012061.0
申请日：2012-01-16
Applicant: 电子科技大学
IPC: A61B5/055
Abstract: 本发明公开了一种多支撑向量机模型的磁共振并行成像方法，属于磁共振并行成像领域，它的步骤如下：（1）对K空间中间区域进行全采样，将其划分为训练集和检验集，其它区域加速采样后作为预测集，并对各集合内的数据进行归一化处理;（2）将训练集划分为多组训练子集，利用支撑向量机，选择不同的参数对各训练子集进行训练，得到不同的联合权重函数模型;（3）在检验集上，对各联合权重函数进行检验，选择最佳的几个子模型;（4）分别使用最佳的几个子模型对预测集进行预测，取其平均值作为未采集点的值，反归一化处理后，将K空间数据转换为图像。上述并行成像方法，利用支撑向量机拟合的权重函数具有良好的泛化能力，整体重建误差较小。
-
公开(公告)号：CN102930567B
公开(公告)日：2016-01-20
申请号：CN201210359365.4
申请日：2012-09-25
Applicant: 电子科技大学
IPC: G06T11/00
Abstract: 本发明公开了一种多核加权最小二乘支撑向量机的磁共振并行成像重建方法，属于磁共振并行成像领域，包括如下步骤：①多通道线圈对磁共振K空间中间区域进行全采样，将K空间中间区域采集到的信号作为训练样本集；并对K空间中间区域以外的区域加速采样;②计算训练样本集的聚类中心，求解每个样本的模糊加权值;③利用多核最小二乘支撑向量机训练出拉格朗日变量和核的联合权重;④根据计算出的拉格朗日变量和核的联合权重对未采集到的K空间信号进行插值;⑤利用二维快速傅里叶变换重建出每幅线圈图像，并用平方和方法得到最终图像。本发明解决了普通支撑向量机求解的速度问题和单个非线性核容易引起过学习的问题。
-
公开(公告)号：CN102551723B
公开(公告)日：2014-01-15
申请号：CN201210012061.0
申请日：2012-01-16
Applicant: 电子科技大学
IPC: A61B5/055
Abstract: 本发明公开了一种多支撑向量机模型的磁共振并行成像方法，属于磁共振并行成像领域，它的步骤如下：（1）对K空间中间区域进行全采样，将其划分为训练集和检验集，其它区域加速采样后作为预测集，并对各集合内的数据进行归一化处理;（2）将训练集划分为多组训练子集，利用支撑向量机，选择不同的参数对各训练子集进行训练，得到不同的联合权重函数模型;（3）在检验集上，对各联合权重函数进行检验，选择最佳的几个子模型;（4）分别使用最佳的几个子模型对预测集进行预测，取其平均值作为未采集点的值，反归一化处理后，将K空间数据转换为图像。上述并行成像方法，利用支撑向量机拟合的权重函数具有良好的泛化能力，整体重建误差较小。
-
公开(公告)号：CN102930567A
公开(公告)日：2013-02-13
申请号：CN201210359365.4
申请日：2012-09-25
Applicant: 电子科技大学
IPC: G06T11/00
Abstract: 本发明公开了一种多核加权最小二乘支撑向量机的磁共振并行成像重建方法，属于磁共振并行成像领域，包括如下步骤：①多通道线圈对磁共振K空间中间区域进行全采样，将K空间中间区域采集到的信号作为训练样本集；并对K空间中间区域以外的区域加速采样;②计算训练样本集的聚类中心，求解每个样本的模糊加权值;③利用多核最小二乘支撑向量机训练出拉格朗日变量和核的联合权重;④根据计算出的拉格朗日变量和核的联合权重对未采集到的K空间信号进行插值;⑤利用二维快速傅里叶变换重建出每幅线圈图像，并用平方和方法得到最终图像。本发明解决了普通支撑向量机求解的速度问题和单个非线性核容易引起过学习的问题。
-
-
-
Search Results
4
records
(took 0.018 seconds)
