| 基于卷积神经网络的血管内血液流速反演方法研究EI北大核心CSCD |
| |
| 作者姓名： | 王雨忱 杨丹 徐彬 张欣宇 王旭 |
| |
| 作者单位： | 1.东北大学智能工业数据解析与优化教育部重点实验室110819;2.东北大学信息科学与工程学院110819;3.东北大学计算机科学与工程学院110819; |
| |
| 基金项目： | 国家自然科学基金(71790614,51607029,61836011);中央高校基础科研业务费(2020GFZD008,2020GFYD011);111项目(B16009);辽宁省自然科学基金(2021-MS093);辽宁省教育厅基础科学研究项目2021(LJKZ0014)。 |
| |
| 摘 要： | 基于磁电效应的血液流速反演有助于血管狭窄病变日常监测的发展,但血液流速反演准确率和成像分辨率仍有待提高。因此,本文提出一种基于卷积神经网络(CNN)的血管内血液流速反演方法。首先,构建非监督学习CNN提取权重矩阵表征信息对电压数据预处理;再将预处理结果输入至有监督学习CNN,经非线性映射输出血液流速值;最终获得血管断层图像。本文通过构建数据检验所提方法的有效性,结果显示,所提方法在血管位置和血管狭窄实验中的血液流速反演相关系数分别达到0.884 4和0.972 1。以上研究表明,本文所提方法有效减少反演过程中信息的丢失,并提高反演准确率和成像分辨率,有望辅助临床诊断。
|
| 关 键 词： | 磁电效应 血管狭窄病变 卷积神经网络 血液流速反演 非监督学习 |
| 本文献已被 维普 等数据库收录！ |
|
