[發明專利]一種磁聲耦合成像的電導率重建方法及相關設備

有效

• 申請號: 202010191576.6
• 申請日: 2020-03-18
• 公開（公告）號: CN111513715B
• 公開（公告）日: 2023-03-14
• 發明（設計）人: 潘奕凡;錢建庭;胡雨陽;劉強;余君強
• 申請（專利權）人: 深圳大學
• 主分類號: A61B5/053
• 分類號: A61B5/053;G06F30/27;G06N3/0464;G06N3/08;A61B5/00
• 代理公司: 深圳市君勝知識產權代理事務所(普通合伙) 44268
• 代理人: 宗繼穎;徐凱凱

1.一種磁聲耦合成像的電導率重建方法，其特征在于，包括步驟：

構建磁聲耦合成像模型，利用所述磁聲耦合成像模型得到訓練數據集；其中，所述訓練數據集包括電流密度矢量樣本數據和與所述電流密度矢量樣本數據對應的電導率樣本數據；

將所述訓練數據集輸入預設神經網絡，對所述預設神經網絡進行訓練，得到訓練完成的神經網絡；

將電流密度矢量原始數據輸入訓練完成的神經網絡，得到與電流密度矢量原始數據對應的電導率分布重建結果；

所述構建磁聲耦合成像模型，利用所述磁聲耦合成像模型得到訓練數據集的步驟包括：

根據電流密度矢量與電導率之間的對應關系，構建磁聲耦合成像模型；

調整所述磁聲耦合成像模型的電導率分布，獲取不同電導率分布的對應的所述電流密度分布，將所述電導率樣本和其所對應的電流密度分布組成所述電流密度矢量樣本數據和電導率樣本數據；

所述調整所述磁聲耦合成像模型的電導率分布，獲取在不同電導率分布的情況下分別對應的所述電流密度矢量的步驟包括：

分別設置在不同形狀的目標區域、所述目標區域內含有不同電導率區域分布和/或所述目標區域內含有不同電導率連續變化的情況下，所述磁聲耦合成像模型對應的電流密度矢量；

所述預設神經網絡結構為生成對抗性神經網絡。

2.根據權利要求1所述的磁聲耦合成像的電導率重建方法，其特征在于，所述構建磁聲耦合成像模型，利用所述磁聲耦合成像模型得到訓練數據集的步驟包括：

根據電流密度矢量與電導率之間的對應關系，構建磁聲耦合成像模型；

調整所述磁聲耦合成像模型中電流密度的輸入方向及輸入個數，獲取在不同電流密度的輸入方向及輸入個數的情況下，分別對應的電導率數據，將所述電流密度矢量和其所對應電導率數據的組成所述電流密度矢量樣本數據和電導率樣本數據。

3.根據權利要求1所述的磁聲耦合成像的電導率重建方法，其特征在于，所述預設神經網絡包括：生成網絡模塊和判別網絡模塊；

所述將所述訓練數據集輸入預設神經網絡，對所述預設神經網絡進行訓練，得到訓練完成的神經網絡的步驟包括：

分別將訓練數據集中含有的電流密度矢量樣本數據輸入到所述生成網絡模塊，通過所述生成網絡模塊得到與所述電流密度矢量樣本數據對應的電導率分布預測數據；

將所述電導率分布預測數據和電流密度矢量樣本數據輸入所述判別網絡模塊，通過所述判別網絡模塊輸出對所述電導率分布預測數據的識別數據；

根據電導率分布預測數據、識別數據、電流密度矢量樣本數據和電導率樣本數據對預設神經網絡的參數進行修正，并重復執行將電流密度矢量樣本數據輸入所述生成網絡模塊，以及將所述電導率分布預測數據和所述電流密度矢量樣本數據輸入所述判別網絡模塊的步驟，直至所述判別網絡輸出的識別數據符合預設條件，得到訓練完成的神經網絡。

4.根據權利要求3所述的磁聲耦合成像的電導率重建方法，其特征在于，所述根據電導率分布預測數據、識別數據、電流密度矢量樣本數據和電導率樣本數據對所述預設神經網絡的參數進行修正的步驟包括：

根據電導率分布預測數據、識別數據、電流密度矢量樣本數據和電導率樣本數據計算出總損失函數；

根據總損失函數對預設神經網絡進行參數修正。