[发明专利]一种基于深度学习的磁共振波谱相位校正方法

权利要求书

1.一种基于深度学习的磁共振波谱相位校正方法，其特征在于，包括以下步骤：

步骤1、构建磁共振波谱相位校正数据集，并构建训练集；

步骤2、搭建基于多尺度残差网络的卷积神经网络；

步骤3、将训练集中的样本对输入到基于多尺度残差网络的卷积神经网络中迭代训练，使用自适应矩估计优化器自动调整网络参数，直至均方误差损失函数下降至收敛并趋于稳定；

步骤4、将待相位校正的磁共振波谱输入到步骤3中训练好的卷积神经网络中，得到预测的待相位校正的磁共振波谱对应的零阶相位偏差和一阶相位偏差，根据零阶相位偏差和一阶相位偏差还原出相位校正后的磁共振谱图。

2.根据权利要求1所述的一种基于深度学习的磁共振波谱相位校正方法，其特征在于：所述步骤1包括以下步骤：

步骤1.1、对实际采集的带有相位误差的自由感应衰减信号进行傅里叶变换，得到对应的带有相位误差的磁共振波谱作为输入磁共振波谱；

步骤1.2、对步骤1.1得到的输入磁共振波谱进行精准相位校正，获得输入磁共振波谱对应的零阶相位偏差和一阶相位偏差，并将输入磁共振波谱对应的零阶相位偏差和一阶相位偏差作为输入磁共振波谱对应的参考零阶相位偏差和参考一阶相位偏差；

步骤1.3、将获得的输入磁共振波谱和对应的参考零阶相位偏差和参考一阶相位偏差作为磁共振波谱相位校正数据集中的样本对，根据磁共振波谱相位校正数据集中的样本对构建训练集。

3.根据权利要求2所述的一种基于深度学习的磁共振波谱相位校正方法，其特征在于：所述的步骤1.2中精准相位校正包括以下步骤：

步骤1.2.1、调节零阶相位偏差值，使得输入磁共振波谱中一个谱峰为纯吸收型信号；

步骤1.2.2、将该谱峰位置定为调相的零点位置；

步骤1.2.3、调节一阶相位偏差使得输入磁共振波谱中所有谱峰都为纯吸收型信号。

4.根据权利要求1所述的一种基于深度学习的磁共振波谱相位校正方法，其特征在于：所述步骤2包括以下步骤：

步骤2.1、使用包含若干个级联的卷积单元和激活单元的初步特征提取网络对训练集中的样本对初步提取输入磁共振波谱的输入磁共振波谱特征，并将提取到的输入磁共振波谱特征输入到多尺度残差网络；

步骤2.2、利用包括若干个级联的多尺度残差模块的多尺度残差网络对输入磁共振波谱特征进一步处理获得深层级特征；

步骤2.3、通过包含若干个级联的卷积单元、激活单元和平均池化单元的池化网络对步骤2.2中多尺度残差网络输出的深层级特征进行融合，得到预测的零阶相位偏差和一阶相位偏差。