[發明專利]基于殘差網絡的磁共振信號的時頻變換和相位校正的方法

在審

• 申請號: 201811436577.1
• 申請日: 2018-11-28
• 公開（公告）號: CN109557487A
• 公開（公告）日: 2019-04-02
• 發明（設計）人: 索斐;楊鈺
• 申請（專利權）人: 廈門大學
• 主分類號: G01R33/46
• 分類號: G01R33/46;G06N3/04;G06N3/08
• 代理公司: 廈門南強之路專利事務所(普通合伙) 35200
• 代理人: 馬應森

基于殘差網絡的磁共振信號的時頻變換和相位校正的方法，涉及磁共振信號的時頻變換方法。根據FID信號的特征，構建同時存在零階相位失調與一階相位失調的自由感應衰減時域信號的數學模型和理想的吸收譜，即無相位失調的頻譜實部的數學模型，由數學模型生成仿真信號，構建訓練集數據和測試集數據；搭建殘差網絡模型，設置好相關的訓練參數；網絡訓練；網絡測試。利用深度學習中的殘差神經網絡，實現了將時域的自由感應衰減信號自動變換成理想吸收譜，即無相位失調的頻譜實部。此過程中完成了從時域自動變換到頻域，以及相位失調的自動校正，進而可以得到理想吸收譜。

技術領域

本發明涉及磁共振信號的時頻變換方法，尤其是涉及基于殘差網絡的磁共振信號的時頻變換和相位校正的方法。

背景技術

磁共振(NMR)被廣泛地應用在化學計量分析和生物技術領域，從磁共振波譜中可以得到豐富的分子結構信息。然而在實際應用中磁共振譜經常存在著各種類型的相位失調，所以磁共振譜數據預處理是譜分析過程中不可或缺的一部分。相位失調一般包括零階失調和一階失調。零階失調是指參考相位與儀器接收的自由感應衰減信號(FreeInduction Decay，FID)之間的相位差^[1]。一階失調可能由不同的原因引起，例如，激勵和檢測之間的時延或者由抗混疊濾波器引起的相移^[2]。有效和可靠地校正零階和一階失調是從NMR譜中獲取定量結果的先決條件^[3]。故相位校正是譜數據預處理中非常關鍵的一步，而大多數現有的軟件，需要操作者設置零階、一階調相值，從而對核磁共振譜進行相位校正。這不僅非常費時，而且校正的譜圖質量依賴于操作者的經驗，所以快速自動的相位校正非常必要，即將手工/視覺相位校正過程變化成自動相位校正。已提出的一些傳統方法進行自動化相位校正時往往都不具有足夠的準確性和魯棒性。

深度學習通過分析并組合初級(淺層)特征，學習更加抽象和復雜的高層特征，以實現對數據的分類，或通過進一步組合高層特征進行數據的處理^[4]。隨著越來越多的優秀網絡模型的提出，如卷積神經網絡^[5]、殘差網絡(Residual Network，ResNet)^[6]和生成對抗網絡(GenerativeAdversarial Network，GAN)^[7]，深度學習的應用也越來越廣泛、成熟。

參考文獻：

[1]L.Chen,Z.Weng,L.Goh,M.Garland,An efficient algorithm for automaticphase correction of NMR spectra based on entropy minimization,J.Magn.Reson.158(2002)164–168.

[2]E.C.Craig,A.G.Marshall,Automated phase correction of FT NMRspectra by means of phase measurement based on dispersion versus absorptionrelation(DISPA),J.Magn.Reson.76(3)(1988)458–475.

[3]F.Malz,H.Jancke,Validation of quantitative NMR,J.Pharm.Biomed.Anal.38(5)(2005)813–823(Quantitative NMR Spectroscopy).

[4]S.S.Wang,Z.H.Su,L.Ying,X.Peng,S.Zhu,F.Liang,D.G.Feng,andD.Liang,Accelerating magnetic resonance imaging via deep learning,in 2016IEEE 13thInternational Symposium on Biomedical Imaging(ISBI),pp.514-517,2016.