基于机器学习探测分子弥散运动的细胞微结构特性预测方法

本发明公开了一种基于机器学习探测分子弥散运动的细胞微结构特性预测方法。方法包括根据细胞微结构特性参数构建仿真细胞微结构模型，对仿真细胞微结构模型进行仿真模拟得到仿真弥散加权信号，对仿真弥散加权信号进行拟合得到仿真弥散参数，基于仿真弥散参数训练机器学习模型，获取训练好的机器学习模型，对实际弥散加权信号进行拟合得到实际弥散参数，将实际弥散参数输入至机器学习模型中，输出待测细胞的细胞微结构特性参数结果。本发明通过结合仿真生成的数据和机器学习模型，显著提高了细胞微结构特性参数预测的精确性，对信号噪声更具鲁棒性，并能大幅降低计算成本，适用于大规模数据处理和实时分析。