申请/专利权人:浙江医准智能科技有限公司
申请日:2023-03-24
公开(公告)日:2024-04-02
公开(公告)号:CN116579414B
主分类号:G06N3/092
分类号:G06N3/092;G06N3/094;G06N3/0895;G06N3/0464;G06N3/0475;G06N3/044
优先权:
专利状态码:有效-授权
法律状态:2024.04.02#授权;2023.11.03#著录事项变更;2023.08.29#实质审查的生效;2023.08.11#公开
摘要:本说明书公开了一种模型训练方法、MRI薄层数据重建方法、装置及设备,包括:获取厚层数据和薄层数据;所述厚层数据经所述稠密生成器,生成重建的第一薄层数据;所述薄层数据经稀疏生成器,生成重建的第一厚层数据;所述重建的第一薄层数据经所述稀疏生成器,生成重建的第一厚层数据;所述重建的第一厚层数据经所述稠密生成器,生成重建的第一薄层数据;基于稀疏判别器对所述重建的第一厚层数据进行判断,基于所述稠密判别器对所述重建的第一薄层数据与所述薄层数据进行判断,循环操作,进行模型训练,生成薄层数据重建模型,所述稀疏生成器的判别函数为循环一致性损失函数及边缘强化损失函数,所述稠密判别器的判别函数为循环一致性损失函数。
主权项:1.一种模型训练方法,其特征在于,所述方法包括:获取厚层数据和薄层数据;所述厚层数据经稠密生成器,生成重建的第一薄层数据;所述薄层数据经稀疏生成器,生成重建的第一厚层数据;所述重建的第一薄层数据经所述稀疏生成器,生成重建的二厚层数据;所述重建的第一厚层数据经所述稠密生成器,生成重建的第二薄层数据;基于稀疏判别器对所述重建的第一厚层数据进行判断,基于所述稠密判别器对所述重建的第一薄层数据与所述薄层数据进行判断,循环操作,进行模型训练,生成薄层数据重建模型;其中,所述稀疏生成器的判别函数为循环一致性损失函数及边缘强化损失函数,所述稠密判别器的判别函数为循环一致性损失函数;所述循环一致性损失函数的计算公式为:Losscyc=Ex~pMdense[logDreconx]+Ex~pMRdense[log1-Dreconx]+Ex~pMsparce[logDsparcex]+Ex~pMRsparce[log1-Dsparcex]其中,Losscyc为循环一致性损失函数;Drecon表示稠密判别器;Dsparce表示稀疏判别器;Ex~pMdense[logDreconx]表示稠密判别器将真实薄层数据判别为真实薄层数据的概率;Ex~pMRdense[log1-Dreconx表示稠密判别器将重建的第一薄层数据判别为虚假薄层数据的概率;Ex~pMsparce[logDsparcex]表示稀疏判别器将真实厚层数据判别为真实厚层数据的概率;Ex~pMRsparce[log1-Dsparcex]表示稀疏判别器将重建的第一厚层数据判别为虚假厚层数据的概率。
全文数据:
权利要求:
百度查询: 浙江医准智能科技有限公司 模型训练方法、MRI薄层数据重建方法、装置及设备
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。