[發明專利]一種基于混合精度神經網絡的電阻抗成像方法及系統在審
| 申請號: | 202210596448.9 | 申請日: | 2022-05-18 |
| 公開(公告)號: | CN114847914A | 公開(公告)日: | 2022-08-05 |
| 發明(設計)人: | 李永福;郭倩雨;黃家杰;王國興;連勇 | 申請(專利權)人: | 上海交通大學 |
| 主分類號: | A61B5/0536 | 分類號: | A61B5/0536;G06N3/04;G06N3/08 |
| 代理公司: | 上海恒慧知識產權代理事務所(特殊普通合伙) 31317 | 代理人: | 張寧展 |
| 地址: | 200240 *** | 國省代碼: | 上海;31 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 基于 混合 精度 神經網絡 阻抗 成像 方法 系統 | ||
本發明涉及一種基于混合精度神經網絡的電阻抗成像方法及系統,所述方法包括以下步驟:S1、通過相鄰模式激勵測量相鄰電極之間的電壓值,獲取測量電壓樣本訓練集數據;S2、采用有限元方法求解電阻抗成像正問題,確定損失函數;S3、根據損失函數計算結果更新混合精度神經網絡參數,確定最終的混合精度神經網絡參數更新值;S4、損失函數迭代計算結束后,得到連接權值與閾值確定的混合精度神經網絡;S5、電阻抗成像圖像重建時,將實測的邊界電壓測量值作為訓練完畢的混合精度神經網絡輸入層神經元,則混合精度神經網絡輸出層神經元的輸出即為電阻抗成像圖像中各個像素點的值。有益效果是保障患者數據安全、傳輸數據時的功耗及時延小、成像精度高。
【技術領域】
本發明涉及電阻抗成像技術領域,具體涉及一種基于混合精度神經網絡的電阻抗成像方法及系統。
【背景技術】
電阻抗成像(Electrical Impedance Tomography,EIT)作為新一代的非侵入式成像技術近年來受到世界各國的廣泛重視。與傳統的成像手段相比,電阻抗斷層成像技術通過測量體內某一組織或部位的電阻抗值隨呼吸、血液流動等的變化來還原器官的功能圖像。電阻抗斷層成像技術不使用射線或核元素,對人體無害,且具有成像速度快、成本低、可功能成像、不要求特殊的工作環境等優點,可以有效地監測肺、心臟等器官的狀態,并可提供連續的實時肺通氣監測,是對當前醫學成像手段的一個很好的補充。
電阻抗成像技術具有無損、無創、無輻射、低成本、操作簡單、功能信息豐富等優點,但電阻抗圖像重構本身是一個嚴重病態的非線性逆問題,傳統方法重構出來的圖像空間分辨率和對比度較差。從電阻抗成像概念首次被提出至今,電阻抗成像系統已在肺通氣檢測、胸腔檢測、乳腺癌檢測等方面得到驗證與應用。電阻抗成像利用電極敏感陣列通過建立電學敏感場獲取被測區域內介質的分布信息,并采用適當的圖像重建算法重建出被測區域內介質空間分布圖像。圖像重建算法是電學層析成像技術的核心,但電阻抗成像的圖像重建問題是一個不適定的非線性問題,對于需要還原阻抗分布的目標區域來說,邊界測量到的很小的數據波動都會對區域的重建圖像結果造成很大的干擾。雖然通過數學建模和反問題的代數求解方法能夠還原出大致的圖像,但是圖像噪聲很明顯,且分辨率較低。
隨著神經網絡的興起,許多基于神經網絡的電阻抗成像算法應運而生,由于神經網絡強大的解決不適定問題的能力,基于神經網絡的電阻抗成像算法相比于傳統的成像算法,擁有更高的成像精度。但是,隨著學者們的研究,一些問題也隨之而來:1、安全性問題,這些網絡需要提前采集數據然后發送至終端進行處理,在傳輸過程中,數據容易被攔截從而導致病人信息泄露;2、每次成像都需要傳輸16*16=256個值電壓測量值,存在傳輸時延,且數據量大導致傳輸能耗上漲。因此,如何在保障電阻抗成像系統圖像重建精度的同時,減少數據傳輸產生的損耗以及傳輸延時,并保證病患數據的安全是目前生物電阻抗斷層成像系統所面臨的關鍵問題。
本發明針對現有技術存在的技術問題,基于神經網絡對電阻抗成像方法及系統進行了技術改進。
【發明內容】
本發明的目的是,提出一種保障患者數據安全、傳輸數據時的功耗及時延小、成像精度高的電阻抗成像方法。
為實現上述目的,本發明采取的技術方案是一種基于混合精度神經網絡的電阻抗成像方法,所述方法實現依賴于電阻抗成像系統,所述電阻抗成像系統包括N個電極和混合精度神經網絡,所述混合精度神經網絡包括用于獲取測量電壓樣本訓練集數據及實測邊界電壓值的輸入層、整數類型參數的低精度量化網絡、浮點數類型參數的高精度解碼網絡、和用于獲取電阻抗成像圖像的輸出層;包括以下步驟:
S1、通過相鄰模式激勵測量相鄰電極之間的電壓值,獲取測量電壓樣本訓練集數據;
S2、采用有限元方法求解電阻抗成像正問題,確定損失函數作為優化目標;
S3、根據損失函數計算結果更新混合精度神經網絡參數,確定最終的混合精度神經網絡低精度量化網絡的整數類型參數和高精度解碼網絡的浮點數類型參數更新值;
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于上海交通大學,未經上海交通大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202210596448.9/2.html,轉載請聲明來源鉆瓜專利網。





