买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉吉林大学申请的专利一种基于深度残差网络的磁共振工频谐波噪声抑制方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116401513B 。

龙图腾网通过国家知识产权局官网在2025-11-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310391111.9，技术领域涉及：G06F18/10；该发明授权一种基于深度残差网络的磁共振工频谐波噪声抑制方法是由张扬;朴圣翰;于子杰;蔺嵩阳;韦萌;林婷婷设计研发完成，并于2023-04-13向国家知识产权局提交的专利申请。

本一种基于深度残差网络的磁共振工频谐波噪声抑制方法在说明书摘要公布了：本发明涉及磁共振信号处理领域，为一种基于深度残差网络的磁共振工频谐波噪声抑制方法。首先将混叠了工频谐波噪声的含噪信号与工频谐波噪声作为深度残差网络的输入和输出，通过前向传播和反向传播计算误差，并引入残差块建立恒等映射，重复训练使损失函数减少至期望值，即可确定去噪模型。通过模型提取噪声并与含噪信号作差，从而获得去除工频噪声的信号。与传统方法相比，本发明利用训练过的模型进行预测的时间非常短，并且不需要调整网络参数。与卷积网络相比，残差网络在高深度时解决了退化问题，精度更高，模型效果更好，更加节省算力。

本发明授权一种基于深度残差网络的磁共振工频谐波噪声抑制方法在权利要求书中公布了：1.一种基于深度残差网络的磁共振工频谐波噪声抑制方法，其特征在于，该方法包括： 形成数据集：建立仿真磁共振地下水探测仪采集的磁共振信号数据集Xn，加入多种频率的工频及其谐波噪声Nn，得到含工频谐波噪声的磁共振信号Yn，形成训练数据集，其中每条信号的长度为N，每个数据集的信号个数为M； 构建网络：设计残差网络的结构，确定网络深度及残差块种类，将网络参数初始化； 训练模型：输入训练数据集，前向传播时计算误差，反向传播时利用梯度下降法更新网络参数，利用残差学习机制建立含噪信号与噪声之间的映射关系，使损失函数逐渐优化至最小；训练模型的具体步骤包括： 将含工频谐波噪声的磁共振信号Yn作为残差网络的输入，工频谐波噪声Nn作为残差网络的输出，构造去工频谐波噪声的残差网络模型： ， 其中，RN表示搭建的残差网络，为网络参数，网络参数会在反向传播中不断更新，将仿真的含工频谐波噪声的核磁信号Yn输入进残差网络，含噪的磁共振信号数据y经网络前向传播算法输出工频谐波噪声数据，将减去噪声数据得到干净的信号； 其中进行前向传播算法，将含噪数据作为残差网络的输入，引入残差块，所述残差块由多个卷积层加上一个恒等映射构成，设F为残差函数，h为恒等映射，为第n个残差块的输入，为第n个残差块的输出，为第n个残差块的内部关系矩阵，则有： ； 设单个卷积层输入张量为a，对应内部系数矩阵为Wl，偏倚向量为bl，则卷积层第L层的输入张量、内部系数矩阵、偏倚向量分别为、和，经过卷积运算及激活操作得到第L+1层网络的输入张量： ， 其中，表示激活函数，*表示卷积操作，在单个卷积层内，卷积运算和激活操作之间利用BN算法进行批量归一化，来达到加速网络训练的目的； 所述残差块的层数为两层，若为第n个两层残差块的输入张量，，根据残差块结构则有 以残差块为单位进行前向传播： 建立损失函数,J越小，预测的噪声输出与实际噪声越接近； 进行反向传播算法：在残差网络中引入残差，利用损失函数J计算第n个残差块的残差： ， 则得到： ，， 其中为第n个残差块对应的偏倚向量，利用梯度下降法更新网络参数： ， ，=1,2,...,n-1,，β为学习速率； 当各隐藏层与输出层的线性关系系数矩阵W和偏倚向量b小于停止更新的阈值ε时，停止梯度下降法并将W和b输出，其中W、b分别表示各残差块内部的隐藏层与输出层的线性关系系数矩阵和偏倚向量； 测试模型：组建基于实际测量数据的测试数据集，利用训练好的模型进行降噪处理。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人吉林大学，其通讯地址为：130012 吉林省长春市朝阳区前进大街2699号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。