摘要
本申请公开了磁共振成像设备异常检测方法与系统。该方法包括:获取磁共振设备运行时的一段时间内的传感器数据;对传感器数据进行预处理;对传感器数据进行经验模态分解得到多个IMF分量;对每个IMF分量进行希尔伯特变换,计算IMF分量的瞬时幅值和瞬时频率;基于瞬时幅值、瞬时频率和IMF分量的时间信息绘制时频图谱;基于预处理后的时频图谱构建数据集,将数据集中的时频图谱输入到深度学习模型中对深度学习模型进行训练,得到训练好的深度学习模型;获取待检测的传感器数据,基于待检测的传感器数据构建时频图谱,输入到训练好的深度学习模型中,得到设备异常检测结果。本申请具备复杂异常模式的识别能力,能够提升磁共振设备异常检测的准确度。
技术关键词
磁共振成像设备
异常检测方法
深度学习模型
图谱
设备异常检测
传感器
磁共振设备
三次样条插值法
频率
幅值
异常检测系统
可读存储介质
数据采集模块
处理器
时间段
存储器
多通道
计算机
系统为您推荐了相关专利信息
深度学习模型
可视化交互系统
评价方法
深度学习训练数据
体视显微镜
车辆环境感知系统
深度学习模型
场景
运动轨迹数据
循环神经网络模型
序列
纺丝
位置编码器
产品样本
一维卷积神经网络