[发明专利]一种基于深度学习的磁共振涡流补偿方法

权利要求书

1.一种基于深度学习的磁共振涡流补偿方法，其特征在于：

利用涡流测试序列采集数据，施加涡流测试梯度，扫描得到多个时间点上的梯度回波信号；

将梯度回波信号按照时间排序得涡流测试数据；

利用生成的多组涡流测试数据训练提供的神经网络，所述神经网络的输入是涡流测试数据，输出是涡流时间曲线中的时间参数和幅度系数；

所述神经网络采用CNN、RNN及全连接网络结合的网络结构，将经过CNN网络输出的样本放入RNN网络，再输入全连接网络；

在涡流参数拟合过程中，采用多个磁共振系统采集的涡流校正数据，以及多次迭代拟合后的e指数参数，对构造的神经网络进行训练；

把待拟合的涡流测试数据输入训练后的神经网络，拟合得到需要求的时间参数和幅度系数；

每次采集梯度回波信号时改变涡流测试梯度后的延迟时间；

采集梯度回波信号时分别使用正负两个极性的涡流测试梯度采集数据，对两次采集的数据相减，用于消去读梯度产生涡流，以及主磁场不均匀性的影响；

在涡流测试数据拟合前对数据进行一维卷积，然后在卷积层和池化层之间加入BN层，批量归一化之后再把数据放入池化层，用于避免所述涡流测试数据的过拟合。