申请/专利权人：中国科学院深圳先进技术研究院

申请日：2023-11-24

公开（公告）日：2024-03-22

公开（公告）号：CN117750199A

主分类号：H04N23/68

分类号：H04N23/68;A61B5/00;H04N23/21;G06T5/60;G06T5/70;G06T5/73;G06T5/20;G06N3/045;G06N3/0464;G06N3/096

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明公开了一种基于卷积神经网络和惩罚网络的功能近红外光谱信号中运动伪影去除方法，属于功能近红外光谱技术领域。本案根据运动伪影的特征，设计并训练一个去伪影模型，用于识别和去除运动伪影；为了对功能性近红外光谱信号的实时处理，能够有效地消除运动伪影并恢复或增强静止信号的信噪比，本案设计了特定的模型训练方式、训练数据获取与使用方式，在这种训练方式中，模型的训练仅需要少量的先验实验数据，并可无缝适应不同的实验范式，使大脑活动测量更准确，在医学诊断、脑功能研究等领域具有广泛的应用前景。

主权项：1.一种基于卷积神经网络和惩罚网络的运动伪影去除方法，其特征在于，所述方法包括下述步骤：获取含运动伪影的功能性近红外光谱信号，从功能性近红外光谱信号中截取部分无运动伪影数据，将该无运动伪影数据进行模拟扩充生成半仿真无运动伪影数据，进而通过叠加仿真运动伪影信号，生成半仿真含运动伪影数据；将半仿真无运动伪影数据和半仿真含运动伪影数据输入经过基础训练的去伪影模型进行参数微调，获得训练好的去伪影模型；将上述含运动伪影的功能性近红外光谱信号输入训练好的去伪影模型，得到去除运动伪影后的输出向量；其中：经过基础训练的去伪影模型使用仿真无运动伪影数据和仿真含运动伪影数据训练获得；所述去伪影模型包括并联的时空特征提取模块和修正模块，两者均采用采用神经网络构造，其中：所述时空特征提取模块先对功能性近红外光谱信号进行时间特征采集，再对获得时间特征进行空间特征采集以获得时空特征，然后在时空特征上进一步进行特征提取并分类；最后，利用修正模块基于当前的功能性近红外光谱信号对时空特征提取模块的分类进行修正调整，获得去除运动伪影后的输出向量。

全文数据：

权利要求：

百度查询： 中国科学院深圳先进技术研究院 基于卷积神经网络和惩罚网络的运动伪影去除方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD