一种基于深度学习的核磁共振一维氢谱虚拟去偶方法

AITNT
正文
推荐专利
一种基于深度学习的核磁共振一维氢谱虚拟去偶方法
申请号:CN202411371364
申请日期:2024-09-29
公开号:CN119339841B
公开日期:2025-10-31
类型:发明专利
摘要
本发明提供一种基于深度学习的核磁共振一维氢谱虚拟去偶方法,该方法主要涉及通过深度学习模型对一维核磁共振氢谱进行虚拟去偶。首先,生成深度学习模型需要的训练样本;其次,设计深度学习模型的结构;随后,采用所述训练样本对深度学习模型进行训练,得到训练好的深度学习模型;最终,采用所述训练好的深度学习模型,对核磁共振一维氢谱进行虚拟去偶。本发明的主要效果是:不需要设计脉冲序列,仅通过深度学习模型即可实现一维氢谱的去偶。
技术关键词
深度学习模型 谱峰位置 门模块 核磁共振氢谱 卷积模块 生成深度学习 多尺度特征提取 非线性 特征提取模块 注意力 编码器模块 解码器 上采样 标签 基线 输出模块 数据 通道
系统为您推荐了相关专利信息
1
基于AI视频监控的作业现场安全行为监测系统
作业现场 监测系统 视频流 采集单元 数据采集模块
2
一种基于大数据分析的文物展柜防震预测方法及系统
文物展柜 深度学习模型 多维特征向量 矩阵 动态
3
一种电力作业动作检测域泛化方法、系统、设备及介质
泛化方法 动作检测模型 风格 转换器 样本
4
一种信号发生模块的控制方法及装置
植被 多尺度分析方法 深度学习模型 协方差矩阵 因子
5
一种网络舆情研判分析分类分级预警方法及系统
分级预警方法 细粒度分类 训练神经网络 舆情文本 语义角色标注
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号