阅读说明：本技术 一种基于1D-Unet的低场核磁共振仪器信号校正方法 (Low-field nuclear magnetic resonance instrument signal correction method based on 1D-Unet ) 是由 聂生东 王欣 侯学文 王广利 于 2020-07-06 设计创作，主要内容包括：本发明提供了一种基于1D-Unet的低场核磁共振仪器信号校正方法,包括以下步骤：步骤1,将两台相同型号的低场核磁共振仪器分为目标仪器和待校正仪器,将目标仪器作为主机,待校正仪器作为从机,而后利用主机采集样本的多条第一CPMG原始信号,并利用从机采集样本的多条第二CPMG原始信号；步骤2,对每条第一CPMG原始信号和每条第二CPMG原始信号分别进行归一化预处理操作,得到主机归一化数据和从机归一化数据,并保存主机归一化数据的预处理数据结构体；步骤3,构建1D-Unet网络并通过1D-Unet网络校正从机数据,得到校正后数据；步骤4,通过预处理数据结构体对校正后数据进行反归一化处理,得到与主机数据在同一量纲下的标准数据,完成主机和从机之间的信号校正。(The invention provides a low-field nuclear magnetic resonance instrument signal correction method based on 1D-Unet, which comprises the following steps: step 1, dividing two low-field nuclear magnetic resonance instruments with the same model into a target instrument and an instrument to be corrected, taking the target instrument as a host and the instrument to be corrected as a slave, then acquiring a plurality of first CPMG original signals of a sample by using the host, and acquiring a plurality of second CPMG original signals of the sample by using the slave; step 2, respectively carrying out normalization preprocessing operation on each first CPMG original signal and each second CPMG original signal to obtain host normalization data and slave normalization data, and storing a preprocessing data structure body of the host normalization data; step 3, constructing a 1D-Unet network and correcting slave data through the 1D-Unet network to obtain corrected data; and 4, performing inverse normalization processing on the corrected data through the preprocessed data structure body to obtain standard data in the same dimension as the host data, and completing signal correction between the host and the slave.)

一种基于1D-Unet的低场核磁共振仪器信号校正方法

技术领域

本发明属于深度学习与核磁共振信号处理技术领域，具体涉及一种基于1D-Unet的低场核磁共振仪器信号校正方法。

背景技术

低场核磁共振技术是近年来迅猛发展起来的用于观察、分析样品物性参数的一种新技术，这标志着核磁共振从高端的分子化学结构研究和医疗检查服务走向了更为广泛的工农业领域，如食品业、农业、矿业、化工等，并且在相关领域的应用和科学研究中发挥着越来越大的作用。低场核磁共振技术重点关注油、水及高分子聚合物中的氢原子核：获取样品的氢核所产生的共振信号之后，经由信号处理对样品特性或分布进行分析测量，从而间接对其载体或环境(如孔隙大小)进行研究分析。该技术可深入观测、分析物质内部信息而不破坏样品，并具有快速、准确、一机多参数、无辐射、无环境污染等特点。

低场核磁共振信号微弱，信噪比低，静磁场与射频场的分布直接决定着核磁共振信号幅值的大小，所以磁体与射频线圈的设计是低场核磁共振仪器中的核心。实际应用中，由于磁体场强的误差与射频线圈缠绕的差异也会导致信号接收器接收到的核磁共振信号存在幅值差异，使得对于使用某款型号低场核磁共振仪器仪器所得的实验结果，在另一款相同型号的仪器中可能无法对相同实验完全复现。同样的，这种信号差异也出现在近红外仪器中，因此，直接标准化(Direct standardization，DS)、分段直接标准化(Piecewisedirect standardization,PDS)和正交信号校正(Orthogonal signal correction，OSC)等算法被提出用于解决相同型号仪器之间的信号校正问题。但是，上经数据预处理(标准化或归一化)后，上述方法得到的校正后信号是无量纲的，所以需要一种能够实现低场核磁共振信号校正且能够将校正后信号恢复至原有量纲下的方法。

发明内容

本发明是为了解决上述问题而进行的，目的在于提供一种基于1D-Unet的低场核磁共振仪器信号校正方法。

本发明提供了一种基于1D-Unet的低场核磁共振仪器信号校正方法，具有这样的特征，包括以下步骤：步骤1，将两台相同型号的低场核磁共振仪器分为目标仪器和待校正仪器，将目标仪器作为主机M_o，待校正仪器作为从机M_c，而后利用主机M_o采集样本的多条第一CPMG原始信号，并利用从机M_c采集样本的多条第二CPMG原始信号；

步骤2，对每条第一CPMG原始信号和每条第二CPMG原始信号分别进行归一化预处理操作，得到主机归一化数据M'_o和从机归一化数据M'_c，并保存主机归一化数据M'_o的预处理数据结构体S_o；

步骤3，构建1D-Unet网络并通过1D-Unet网络校正从机归一化数据M'_c，得到校正后数据M'_co；

步骤4，通过预处理数据结构体S_o对校正后数据M'_co进行反归一化处理，得到与主机数据M_o在同一量纲下的标准数据M_co，完成主机M_o和从机M_c之间的信号校正。

在本发明提供的基于1D-Unet的低场核磁共振仪器信号校正方法中，还可以具有这样的特征：其中，步骤2中，对每条CPMG原始信号均进行归一化预处理操作，数据归一化公式如下：

公式(1)中，M_i,max和M_i,min分别表示第i条CPMG原始信号中的最大值和最小值。

在本发明提供的基于1D-Unet的低场核磁共振仪器信号校正方法中，还可以具有这样的特征：其中，预处理数据结构体S_o中保存有n条第一CPMG原始信号的最大值和最小值，并按样本采集顺序进行排列。

在本发明提供的基于1D-Unet的低场核磁共振仪器信号校正方法中，还可以具有这样的特征：其中，步骤3中，1D-Unet网络的编码层通过Convolution1D和Maxpooling1D进行构建，用于完成样本数据关键特征的提取，1D-Unet网络的解码层通过Upsamling1D和Copy进行构建，用于融合下采样特征，同时扩增特征信号的维度。

在本发明提供的基于1D-Unet的低场核磁共振仪器信号校正方法中，还可以具有这样的特征：其中，步骤3中，将从机归一化数据M'_c作为1D-Unet网络的输入层，将主机归一化数据M'_o作为1D-Unet网络的输出层，且输入层数据和输出层数据按样本采集顺序一一对应，1D-Unet网络的损失函数为相对残差公式，如公式(2)，

公式(2)中，M'_o,i和M'_co,i分别代表第i条主机归一化数据M'_o和第i条校正后数据M'_co，||·||表示L2范数，所有样本相对残差累加和的平均值即为1D-Unet网络的损失率。

发明的作用与效果

根据本发明所涉及的基于1D-Unet的低场核磁共振仪器信号校正方法，因为通过构建1D-Unet网络对从机数据进行处理得到校正后数据，处理过程中不需对数据进行特征筛选，所以，能够直接将全部数据特征用于信号校正，更能体现真实的数据分布；并且从机的校正后数据经过反归一化处理后得到的标准数据与主机数据在同一量纲下，能够完全复现主机数据的处理方法。因此，本发明的一种基于1D-Unet的低场核磁共振仪器信号校正方法计算精度高、时间快、鲁棒性好，能够进行可靠、稳定的信号校正。

附图说明

图1是本发明的实施例中的基于1D-Unet的低场核磁共振仪器信号校正方法的流程图；

图2是本发明的实施例中的1D-Unet网络的网络框架图；

图3是本发明的实施例中CuSO₄水溶液的主机数据、从机数据、经过基于1D-Unet的低场核磁共振仪器信号校正方法校正后的从机数据和经过DS算法校正后的从机数据的对比曲线图；

图4为图3的部分曲线放大图；

图5是本发明的实施例中食用油的主机数据、从机数据、经过基于1D-Unet的低场核磁共振仪器信号校正方法校正后的从机数据和经过DS算法校正后的从机数据的对比曲线图；

图6为图5的部分曲线放大图。

具体实施方式

为了使本发明实现的技术手段与功效易于明白了解，以下结合实施例及附图对本发明作具体阐述。

图1是本发明的实施例中的基于1D-Unet的低场核磁共振仪器信号校正方法的流程图。

如图1所示，本实施例的基于1D-Unet的低场核磁共振仪器信号校正方法，包括以下步骤：

步骤1，将两台相同型号的低场核磁共振仪器分为目标仪器和待校正仪器，将目标仪器作为主机M_o，待校正仪器作为从机M_c，而后利用主机M_o采集样本的多条第一CPMG原始信号，并利用从机M_c采集样本的多条第二CPMG原始信号。

步骤2，对每条第一CPMG原始信号和每条第二CPMG原始信号分别进行归一化预处理操作，得到主机归一化数据M'_o和从机归一化数据M'_c，并保存主机归一化数据M'_o的预处理数据结构体S_o。

步骤2中，对每条CPMG原始信号均进行归一化预处理操作，数据归一化公式如下：

公式(1)中，M_i,max和M_i,min分别表示第i条CPMG原始信号中的最大值和最小值。

预处理数据结构体S_o中保存有n条第一CPMG原始信号的最大值和最小值，并按样本采集顺序进行排列。

步骤3，构建1D-Unet网络并通过1D-Unet网络校正从机归一化数据M'_c，得到校正后数据M'_co。

图2是本发明的实施例中的1D-Unet网络的网络框架图。

如图2所示，步骤3中1D-Unet网络的编码层通过Convolution1D和Maxpooling1D进行构建，用于完成样本数据关键特征的提取，1D-Unet网络的解码层通过Upsamling1D和Copy进行构建，用于融合下采样特征，同时扩增特征信号的维度。

本实施例中，Convolution1D层用于完成样本数据关键特征的提取，卷积核的大小为1*3，填充方式为same，

Maxpooling层用于减少卷积层的特征数进而降低运算参数从而加快计算速度，共有5个池化层，Maxpooling窗口大小分别为2、2、2、5、5，

Copy层用于将浅层特征与深层特征进行级联，使校正后信号最大层度反应原始信号信息，

Upsampling层用于通过上采样层完成信号的反卷积，使信号逐步解码扩增至输入维度大小，Upsampling层窗口大小分别为5、5、2、2、2。

步骤3中，将从机归一化数据M'_c作为1D-Unet网络的输入层，将主机归一化数据M'_o作为1D-Unet网络的输出层，且输入层数据和输出层数据按样本采集顺序一一对应，

1D-Unet网络的损失函数为相对残差公式，如公式(2)，

公式(2)中，M'_o,i和M'_co,i分别代表第i条主机归一化数据M'_o和第i条校正后数据M'_co，||·||表示L2范数，所有样本相对残差累加和的平均值即为1D-Unet网络的损失率。

步骤4，通过预处理数据结构体S_o对校正后数据M'_co进行反归一化处理，得到与主机数据M'_o在同一量纲下的标准数据M_co，完成主机M_o和从机M_c之间的信号校正。

本实施例中还选用CuSO₄水溶液和食用油进行仿真实验，并与DS算法进行对比，实验过程如下：

配制6种不同浓度CuSO₄水溶液(2mmol/L,3mmol/L,4mmol/L,5mmol/L,6mmol/L,7mmol/L)，主机M_o与从机M_c分别对各个浓度下的CPMG原始信号进行采集，每个浓度采集50次，共得到300个样本，其中210个训练集，90个测试集，采用测试集校正后信号对结果进行评价，

主机M_o与从机M_c分别采集52种品牌食用油的CPMG原始信号，共468个样本，其中364个训练集，104个测试集，采用测试集校正后信号对结果进行评价。

图3是本发明的实施例中CuSO₄水溶液的主机数据、从机数据、经过基于1D-Unet的低场核磁共振仪器信号校正方法校正后的从机数据和经过DS算法校正后的从机数据的对比曲线图，图4为图3的部分曲线放大图，图5是本发明的实施例中食用油的主机数据、从机数据、经过基于1D-Unet的低场核磁共振仪器信号校正方法校正后的从机数据和经过DS算法校正后的从机数据的对比曲线图，图6为图5的部分曲线放大图。

如图3-图6所示，CuSO₄水溶液和食用油的主机数据和从机数据存在明显的信号幅值的差异，从机数据经过DS算法和本发明的基于1D-Unet的低场核磁共振仪器信号校正方法校正后，与主机数据的差异几乎可以忽略不计，但是通过对比分析发现，经过本发明的基于1D-Unet的低场核磁共振仪器信号校正方法校正后的信号与主机原始信号几乎重合，而经DS算法校正后的信号与主机原始信号还是存在微小的幅值差异。

表1是CuSO₄水溶液信号校正前、后的相对残差值，表2是食用油信号校正前、后的相对残差值。

表1 CuSO₄水溶液信号校正前、后的相对残差值

	校正前	DS算法校正	本发明方法校正
				相对残差	0.0132	0.0043	0.0019

表2 食用油信号校正前、后的相对残差值

	校正前	DS算法校正	本发明方法校正
				相对残差	0.0212	0.0212	0.0051

如表1和表2所示，经过本发明的基于1D-Unet的低场核磁共振仪器信号校正方法校正后的从机数据与主机数据的相对残差值最小，因此，本发明的基于1D-Unet的低场核磁共振仪器信号校正方法在低场核磁共振仪器信号校正中，具有良好的校正能力。

实施例的作用与效果

根据本实施例所涉及的基于1D-Unet的低场核磁共振仪器信号校正方法，因为通过构建1D-Unet网络对从机数据进行处理得到校正后数据，处理过程中不需对数据进行特征筛选，所以，能够直接将全部数据特征用于信号校正，更能体现真实的数据分布；并且从机的校正后数据经过反归一化处理后得到的标准数据与主机数据在同一量纲下，能够完全复现主机数据的处理方法。因此，本实施例的一种基于1D-Unet的低场核磁共振仪器信号校正方法计算精度高、时间快、鲁棒性好，能够进行可靠、稳定的信号校正。

上述实施方式为本发明的优选案例，并不用来限制本发明的保护范围。