[發明專利]基于字典學習的核磁共振回波數據處理方法及裝置

在審

• 申請號: 202210028837.1
• 申請日: 2022-01-11
• 公開（公告）號: CN114386463A
• 公開（公告）日: 2022-04-22
• 發明（設計）人: 羅嗣慧;金衍;肖立志;史燕青;周軍;廖廣志;宋先知;李根生;張來斌
• 申請（專利權）人: 中國石油大學（北京）
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G01V3/38
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 張娜;黃健

1.一種基于字典學習的核磁共振回波數據處理方法，其特征在于，包括：

對采集到的低場核磁共振數據進行預處理，得到樣本數據；

利用正交匹配追蹤算法和初始字典對所述樣本數據進行稀疏編碼，以獲得所述樣本數據的稀疏向量；

利用所述稀疏向量和奇異值分解算法對所述初始字典中的原子進行更新，直至所述初始字典中的原子全部完成更新，得到更新后的字典；

利用所述更新后的字典對所述樣本數據繼續進行稀疏編碼直至完成預設次數的迭代訓練，輸出最終的字典作為自適應字典；

利用所述自適應字典和正交匹配追蹤算法對所述樣本數據進行去噪處理，得到去噪數據；

對所述去噪數據進行反演處理以得到反演數據。

2.根據權利要求1所述的方法，其特征在于，所述對采集到的低場核磁共振數據進行預處理，得到樣本數據，具體包括：

對采集到的低場核磁共振數據按照預設窗口進行分窗掃描，獲得一維編塊數據，所述預設窗口的大小為f×1；或者，將采集到的低場核磁共振數據構建成大小為p×q的原始矩陣，利用預設編塊對所述原始矩陣進行掃描，獲得二維編塊數據，所述預設編塊的大小為f×g，f，g＜＜p，q；

將所述一維編塊數據或者所述二維編塊數據按照掃描順序轉化為列向量，得到樣本數據。

3.根據權利要求2所述的方法，其特征在于，所述預設窗口或預設編塊是通過下列方式獲得的：

利用不同大小的窗口或編塊對采集到的低場核磁共振數據進行掃描，以獲取不同大小的編塊數據；

分別利用所述自適應字典計算不同大小的編塊數據對應的去噪數據；

利用所述去噪數據和所述采集到的低場核磁共振數據確定不同大小的編塊數據對應的信噪比；

將信噪比最大的編塊數據對應的窗口或編塊作為所述預設窗口或所述預設編塊。

4.根據權利要求1-3中任一項所述的方法，其特征在于，所述利用正交匹配追蹤算法和初始字典對所述樣本數據進行稀疏編碼，以獲得所述樣本數據的稀疏向量，具體包括：

計算所述樣本數據與每一所述初始字典中的原子的投影，獲取投影最大的原子所在的位置；

根據投影最大的原子所在的位置對所述初始字典的初始位置索引集進行更新，生成新的位置索引集；

利用下列公式計算得到所述樣本數據的稀疏向量：

其中，所述α_I表示位置索引集為I時的稀疏向量，所述D_I表示位置索引集為I時的字典，所述表示位置索引集為I時的字典的轉置矩陣，所述S表示所述樣本數據；

利用下列公式對所述初始字典的位置索引集進行迭代更新：

r_t+1＝S-D_Iα_I

其中，所述r_t+1表示第t+1次迭代時的殘差，當t+1≥T時，停止迭代，輸出最終的樣本數據的稀疏向量；所述T表示預設的稀疏度。

5.根據權利要求4所述的方法，其特征在于，所述利用所述稀疏向量和奇異值分解算法對所述初始字典中的原子進行更新，直至所述初始字典中的原子全部完成更新，得到更新后的字典，具體包括：

利用下列公式對所述初始字典中的原子進行更新：

其中，所述d_k和d_j分別表示所述初始字典D₀中第j個和第k個原子，所述和分別表示第j個和第k個稀疏向量的轉置矩陣；所述E_j表示去除原子d_j后的誤差矩陣；

采用奇異值分解算法對所述誤差矩陣E_j進行分解：

E_j＝UΛV^T

將分解后得到的矩陣U的第一列作為新的d_j原子，直至所述初始字典中的原子全部完成更新，得到更新后的字典。