CN114624638A - 数据采集优化方法和装置、电子设备及机器可读存储介质 - Google Patents
数据采集优化方法和装置、电子设备及机器可读存储介质 Download PDFInfo
- Publication number
- CN114624638A CN114624638A CN202011463694.4A CN202011463694A CN114624638A CN 114624638 A CN114624638 A CN 114624638A CN 202011463694 A CN202011463694 A CN 202011463694A CN 114624638 A CN114624638 A CN 114624638A
- Authority
- CN
- China
- Prior art keywords
- acquisition
- objective function
- signal
- value
- imaging data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000005457 optimization Methods 0.000 title claims abstract description 54
- 238000003860 storage Methods 0.000 title claims description 8
- 238000003384 imaging method Methods 0.000 claims abstract description 73
- 230000008569 process Effects 0.000 claims abstract description 28
- 125000004122 cyclic group Chemical group 0.000 claims abstract 3
- 230000006870 function Effects 0.000 claims description 99
- 238000009826 distribution Methods 0.000 claims description 10
- 238000004088 simulation Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000011002 quantification Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000001208 nuclear magnetic resonance pulse sequence Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
- G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- High Energy & Nuclear Physics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- General Physics & Mathematics (AREA)
- Image Processing (AREA)
- Studio Devices (AREA)
Abstract
提供了一种数据采集优化方法，其包括：构建包含与成像数据相关联的采集信号和噪声信号的采集策略目标函数；所述数据采集优化方法还包括：执行以下循环过程，直至满足预设收敛条件：将与本循环过程中的预定成像数据相关联的预定采集信号的信号值输入到所述采集策略目标函数中，以得到本循环过程中的采集策略目标函数值；确定本循环过程中的采集策略目标函数值是否满足所述预设收敛条件；其中，在本循环过程中的采集策略目标函数值满足所述预设收敛条件的情况下，将本循环过程中的预定成像数据确定为最优成像数据。还提供了一种数据采集优化装置。本发明通过构建的采集策略目标函数来确定最优成像数据，从而对成像数据的采集策略进行优化。
Description
技术领域
本发明属于图像处理技术领域，具体地讲，涉及一种数据采集优化方法和装置、电子设备及机器可读存储介质。
背景技术
目前，将磁共振指纹技术(MRF)应用到化学交换饱和转移(CEST)成像中，可以通过使用非稳态信号以及数值仿真结果提高组织参数定量的准确度，同时缩短成像时间。MRF技术为脉冲序列参数的设计留下了极高的自由度，使得如何实现最优数据采集成为一个具有研究价值的问题。同时，CEST成像与常规的T1加权成像、T2加权成像之间的区别也使得CEST-MRF中这一问题的重要性进一步突显。
在传统MRF方法中，通常使用快速采集方法获得成百上千幅的欠采样图像。而在CEST成像中，信号采样前需要施加一定时间的饱和脉冲，采集后为了满足特定吸收率的限制，需要留出恢复时间，两者的长度都在几秒钟的量级，这样就限制了单幅图像的采集效率，在此情况下使用欠采样方法对采集效率的提升也非常有限。同时，由于CEST效应的幅值相对于水信号较小，当欠采样带来的噪声过大时可能会将有效信号淹没。因此，传统的CEST-MRF研究的主要路径是使用少量(通常为20～30幅)的全采样的随机化成像参数图像来实现组织参数定量。为了在有限的采集次数中实现精确定量，对采集策略的优化就显得至关重要了。
发明内容
为了解决上述现有技术存在的技术问题，本发明提供了一种对成像数据的采集策略进行优化的数据采集优化方法和数据采集优化装置。
根据本发明的实施例的一方面提供的数据采集优化方法，所述数据采集优化方法包括：构建包含采集信号和噪声信号的采集策略目标函数，所述采集信号与成像数据相关联；所述数据采集优化方法还包括：执行以下循环过程，直至满足预设收敛条件：将与本循环过程中的预定成像数据相关联的预定采集信号的信号值输入到所述采集策略目标函数中，以得到本循环过程中的采集策略目标函数值；确定本循环过程中的采集策略目标函数值是否满足所述预设收敛条件；其中，在本循环过程中的采集策略目标函数值满足所述预设收敛条件的情况下，将本循环过程中的预定成像数据确定为最优成像数据。
在上述一方面的提供的数据采集优化方法的一个示例中，在所述采集策略目标函数值未满足预设收敛条件的情况下，将与另一预定成像数据相关联的预定采集信号的信号值作为下一循环过程中的预定采集信号的信号值。
在上述一方面的提供的数据采集优化方法的一个示例中，所述构建包含采集信号和噪声信号的采集策略目标函数，包括：基于混合后验克拉美罗界构建包含采集信号和噪声信号的所述采集策略目标函数。
在上述一方面的提供的数据采集优化方法的一个示例中，基于混合后验克拉美罗界，并利用下面的式子1来构建包含采集信号和噪声信号的所述采集策略目标函数，
[式子1]
其中，θ表示字典仿真中所有变化的参数，z表示观测信号值，d表示真实信号值，p(d0)为采集开始时系统状态的先验概率分布，p(θ)为θ的先验概率分布，L表示采集次数，const表示一常数，σ表示噪声信号的标准差，fj(θ,α)表示与预定成像数据α相关联的预定采集信号，E[·]表示期望值，
表示二阶偏导运算。
根据本发明的实施例的另一方面提供的数据采集优化装置，所述数据采集优化装置包括：目标函数构建模块以及循环操作直至满足预设收敛条件的目标函数值获取模块和确定模块；所述目标函数构建模块用于构建包含采集信号和噪声信号的采集策略目标函数，所述采集信号与成像数据相关联；所述目标函数值获取模块用于将与本循环过程中的预定成像数据相关联的预定采集信号的信号值输入到所述采集策略目标函数中，以得到本循环过程中的采集策略目标函数值；所述确定模块用于确定本循环过程中的采集策略目标函数值是否满足所述预设收敛条件；其中，在本循环过程中的所述采集策略目标函数值满足所述预设收敛条件的情况下，所述确定模块还用于将本循环过程中的所述预定成像数据确定为最优成像数据。
在上述另一方面提供的数据采集优化装置的一个示例中，在所述采集策略目标函数值未满足预设收敛条件的情况下，另一预定成像数据相关联的预定采集信号的信号值被作为下一循环过程中的预定采集信号的信号值。
在上述另一方面提供的数据采集优化装置的一个示例中，所述目标函数构建模块进一步用于基于混合后验克拉美罗界构建包含采集信号和噪声信号的所述采集策略目标函数。
在上述另一方面提供的数据采集优化装置的一个示例中，所述目标函数构建模块进一步用于基于混合后验克拉美罗界，并利用下面的式子1来构建包含采集信号和噪声信号的所述采集策略目标函数，
[式子1]
其中，θ表示字典仿真中所有变化的参数，z表示观测信号值，d表示真实信号值，p(d0)为采集开始时系统状态的先验概率分布，p(θ)为θ的先验概率分布，L表示采集次数，const表示一常数，σ表示噪声信号的标准差，fj(θ,α)表示与预定成像数据α相关联的预定采集信号，E[·]表示期望值，
表示二阶偏导运算。
根据本发明的实施例的又一方面提供的电子设备，其包括：至少一个处理器，以及与所述至少一个处理器耦合的存储器，所述存储器存储指令，当所述指令被所述至少一个处理器执行时，使得所述至少一个处理器执行如上所述的数据采集优化方法。
根据本发明的实施例的再一方面提供的机器可读存储介质，其存储有可执行指令，其特征在于，所述指令当被执行时使得所述机器执行如上所述的数据采集优化方法。
有益效果：本发明通过构建的采集策略目标函数来确定最优成像数据，从而对成像数据的采集策略进行优化。
附图说明
通过结合附图进行的以下描述，本发明的实施例的上述和其它方面、特点和优点将变得更加清楚，附图中：
图1是根据本发明的实施例的数据采集优化方法的流程图；
图2是根据本发明的实施例的数据采集优化装置的方框图；
图3是示出了根据本发明的实施例的实现数据采集优化方法的电子设备的方框图。
具体实施方式
以下，将参照附图来详细描述本发明的具体实施例。然而，可以以许多不同的形式来实施本发明，并且本发明不应该被解释为限制于这里阐述的具体实施例。相反，提供这些实施例是为了解释本发明的原理及其实际应用，从而使本领域的其他技术人员能够理解本发明的各种实施例和适合于特定预期应用的各种修改。
如本文中使用的，术语“包括”及其变型表示开放的术语，含义是“包括但不限于”。术语“基于”、“根据”等表示“至少部分地基于”、“至少部分地根据”。术语“一个实施例”和“一实施例”表示“至少一个实施例”。术语“另一个实施例”表示“至少一个其他实施例”。术语“第一”、“第二”等可以指代不同的或相同的对象。下面可以包括其他的定义，无论是明确的还是隐含的。除非上下文中明确地指明，否则一个术语的定义在整个说明书中是一致的。
如上所述，为了对成像数据的采集策略进行优化，根据本发明的实施例提供了一种对成像数据的采集策略进行优化的数据采集优化方法和数据采集优化装置。在该数据采集优化方法中，所述数据采集优化方法包括：构建包含采集信号和噪声信号的采集策略目标函数，所述采集信号与成像数据相关联；所述数据采集优化方法还包括：执行以下循环过程，直至满足预设收敛条件：将与本循环过程中的预定成像数据相关联的预定采集信号的信号值输入到所述采集策略目标函数中，以得到本循环过程中的采集策略目标函数值；确定本循环过程中的采集策略目标函数值是否满足所述预设收敛条件；其中，在本循环过程中的采集策略目标函数值满足所述预设收敛条件的情况下，将本循环过程中的预定成像数据确定为最优成像数据。
因此，在该数据采集优化方法中，通过构建的采集策略目标函数来确定最优成像数据，从而对成像数据的采集策略进行优化。
以下将结合附图来详细描述根据本发明的实施例的对成像数据的采集策略进行优化的数据采集优化方法和数据采集优化装置。
根据本发明的实施例的数据采集优化方法可以由电子设备执行，电子设备可以包括智能手机、平板电脑、个人计算机、云服务器、服务器等。
图1是根据本发明的实施例的数据采集优化方法的流程图。
参照图1，在框101，构建包含采集信号和噪声信号的采集策略目标函数，所述采集信号与成像数据相关联。
在一个示例中，成像数据可以是一个成像数据集合，该集合中可以包括每次采集时的饱和能量、饱和时间、饱和频率等参数。而采集信号与成像数据相关联。这里，采集信号可以是成像数据的函数。
以下对构建采集策略目标函数的具体过程进行详细说明。
首先，提出了一种基于混合后验克拉美罗界的评价指标来衡量CEST-MRF的序列编码能力，对任一组织参数编码能力的评估指标CRBglob可以被表示为下面的式子1。
[式子1]
其中，θ的长度为r，其表示字典仿真中所有变化的参数(这些参数可以包括交换速率、可交换质子浓度、B0场偏移量、B1场偏移量等)。V(θ)为克拉美罗矩阵。假设θ中的第一个参数为需定量参数，则克拉美罗矩阵中对角线上的第一个值[V(θ)]1,1代表进行参数估计的方差下界。克拉美罗矩阵可以表示为费雪信息矩阵的倒数I(θ)，具体参看下面的式子2。
[式子2]
其中，z，d分别表示观测信号值和真实信号值。
E[·]表示期望值。
代表二阶偏导运算，具体如下面的式子3和式子4。
[式子3]
[式子4]
进一步地，p(z,d,θ)表示z,d,θ的联合概率密度。这里，假设每次采集时的噪声互不相关，则p(z,d,θ)的对数被表示为下面的式子5。
[式子5]
其中，p(d0)为采集开始时系统状态的先验概率分布。L表示采集次数。
在实际应用中，由于并不是每个参数都有先验概率分布，所以这里采用混合后验克拉美罗界，在求解过程中可以直接在上述式子5的基础上，对包含不存在的先验概率的求导项置0。
在一个示例中，首先，假设真实信号值d为由Bloch-McConnell方程计算得到的理想值。同时，由于在实际成像中，除信号接收传递过程中的噪声外，导致磁共振信号偏离理想值的因素较为复杂，为简化模型，通常假设所有因素叠加的影响可以例如是高斯白噪声信号。在这种情况下，上面的式子5可以被简化为下面的式子6。
[式子6]
其中，const表示一常数，σ表示高斯白噪声信号的标准差，fj(θ,α)表示与成像数据α相关联的采集信号，j表示第j次采集。
将式子6和式子2代入到式子1中，可以得到作为优化采集策略的目标函数，即CRBglob可以直接作为优化采集策略的目标函数，即所述采集策略目标函数，被表示为下面的式子7。
[式子7]
以上，根据本发明的实施例在构建采集策略目标函数的过程中采用了混合后验克拉美罗界构建CEST-MRF序列编码能力评价指标，由于考虑了噪声的传播，因此其值的相对大小与定量精度有明确的相关关系，同时，利用先验概率引入关于参数的先验知识，可以实现全局编码能力的评估。以下，我们将基于上述构建的采集策略目标函数对成像数据的采集优化进行详细说明。
继续参照图1，在框103，将与本循环过程中的预定成像数据相关联的预定采集信号的信号值输入到所述采集策略目标函数中，以得到本循环过程中的采集策略目标函数值。
在一个示例中，选择一预定成像数据之后，相应的预定采集信号被确定。即给定一个α，相应的第j次采集的预定采集信号fj(θ,α)的函数值(或称信号值)被确定。将该函数值代入采集策略目标函数中，能够得到相应的一个采集策略目标函数值。
在框105，确定本循环过程中的采集策略目标函数值是否满足所述预设收敛条件。
在一个示例中，所述预设收敛条件包括：所述采集策略目标函数值最小。
如果满足所述预设收敛条件，则循环结束，并且将本循环过程中的预定成像数据确定为最优成像数据，而相应的成像数据采集策略也是最优采集策略。
如果不满足所述预设收敛条件，将与另一预定成像数据相关联的预定采集信号的信号值作为下一循环过程中的预定采集信号的信号值。
图2是根据本发明的实施例的数据采集优化装置的方框图。
参照图2，根据本发明的实施例的数据采集优化装置200包括：目标函数构建模块210、目标函数值获取模块220和确定模块230。目标函数构建模块210用于构建包含采集信号和噪声信号的采集策略目标函数，所述采集信号与成像数据相关联。而目标函数值获取模块220和确定模块230循环操作，直至满足预设收敛条件(即循环结束条件)。
在一个示例中，目标函数构建模块210进一步用于基于混合后验克拉美罗界构建包含采集信号和噪声信号的所述采集策略目标函数。在另一个示例中，目标函数构建模块210更进一步用于基于混合后验克拉美罗界，并利用上面的式子7来构建包含采集信号和噪声信号的所述采集策略目标函数，
目标函数值获取模块220用于将与本循环过程中的预定成像数据相关联的预定采集信号的信号值输入到所述采集策略目标函数中，以得到本循环过程中的采集策略目标函数值。
在一个示例中，目标函数值获取模块220选择一预定成像数据之后，相应的预定采集信号被确定。即给定一个α，相应的第j次采集的预定采集信号fj(θ,α)的函数值(或称信号值)被确定。目标函数值获取模块220将该函数值输入采集策略目标函数中，能够得到相应的一个采集策略目标函数值。
确定模块230用于确定本循环过程中的采集策略目标函数值是否满足所述预设收敛条件。在一个示例中，所述预设收敛条件包括：所述采集策略目标函数值最小。
如果满足所述预设收敛条件，则确定模块230确定循环结束，并且确定模块230确定将本循环过程中的预定成像数据确定为最优成像数据，而相应的成像数据采集策略也是最优采集策略。
如果不满足所述预设收敛条件，将与另一预定成像数据相关联的预定采集信号的信号值作为下一循环过程中的预定采集信号的信号值。
以上参照图1和图2，对根据本发明的实施例的数据采集优化方法和数据采集优化装置进行了描述。
根据本发明的实施例的数据采集优化装置可以采用硬件实现，也可以采用软件或者硬件和软件的组合来实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在设备的处理器将存储器中对应的计算机程序指令读取到内存中运行形成的。在本发明的实施例中，使用进行数据采集优化的装置例如可以利用电子设备来实现。
图3是示出了根据本发明的实施例的实现数据采集优化方法的电子设备的方框图。
参照图3，电子设备300可以包括至少一个处理器310、存储器(例如，非易失性存储器)320、内存330和通信接口340，并且至少一个处理器310、存储器320、内存330和通信接口340经由总线350连接在一起。至少一个处理器310执行在存储器中存储或编码的至少一个计算机可读指令(即，上述以软件形式实现的元素)。
在一个示例中，在存储器中存储计算机可执行指令，其当执行时使得至少一个处理器310执行以下过程：构建包含采集信号和噪声信号的采集策略目标函数，所述采集信号与成像数据相关联；并且还执行以下循环过程，直至满足预设收敛条件：将与本循环过程中的预定成像数据相关联的预定采集信号的信号值输入到所述采集策略目标函数中，以得到本循环过程中的采集策略目标函数值；确定本循环过程中的采集策略目标函数值是否满足所述预设收敛条件；其中，在本循环过程中的采集策略目标函数值满足所述预设收敛条件的情况下，将本循环过程中的预定成像数据确定为最优成像数据。
应该理解，在存储器中存储的计算机可执行指令当执行时使得至少一个处理器310在进行根据本发明的各个实施例中结合以上图1和图2描述的各种操作和功能。
根据一个实施例，提供了一种例如机器可读介质的程序产品。机器可读介质可以具有指令(即，上述以软件形式实现的元素)，该指令当被机器执行时，使得机器执行本发明的各个实施例中的结合以上图1和图2描述的各种操作和功能。
具体地，可以提供配有可读存储介质的系统或者装置，在该可读存储介质上存储着实现上述实施例中任一实施例的功能的软件程序代码，且使该系统或者装置的计算机或处理器读出并执行存储在该可读存储介质中的指令。
在这种情况下，从可读介质读取的程序代码本身可实现上述实施例中任何一项实施例的功能，因此机器可读代码和存储机器可读代码的可读存储介质构成了本发明的实施例的一部分。
可读存储介质的实施例包括软盘、硬盘、磁光盘、光盘(如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD-RW)、磁带、非易失性存储卡和ROM。可选择地，可以由通信网络从服务器计算机上或云上下载程序代码。
上述对本发明的特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
上述各流程和各系统结构图中不是所有的步骤和单元都是必须的，可以根据实际的需要忽略某些步骤或单元。各步骤的执行顺序不是固定的，可以根据需要进行确定。上述各实施例中描述的装置结构可以是物理结构，也可以是逻辑结构，即，有些单元可能由同一物理实体实现，或者，有些单元可能分由多个物理实体实现，或者，可以由多个独立设备中的某些部件共同实现。
在整个本说明书中使用的术语“示例性”、“示例”等意味着“用作示例、实例或例示”，并不意味着比其它实施例“优选”或“具有优势”。出于提供对所描述技术的理解的目的，具体实施方式包括具体细节。然而，可以在没有这些具体细节的情况下实施这些技术。在一些实例中，为了避免对所描述的实施例的概念造成难以理解，公知的结构和装置以框图形式示出。
以上结合附图详细描述了本发明的实施例的可选实施方式，但是，本发明的实施例并不限于上述实施方式中的具体细节，在本发明的实施例的技术构思范围内，可以对本发明的实施例的技术方案进行多种简单变型，这些简单变型均属于本发明的实施例的保护范围。
本说明书内容的上述描述被提供来使得本领域任何普通技术人员能够实现或者使用本说明书内容。对于本领域普通技术人员来说，对本说明书内容进行的各种修改是显而易见的，并且，也可以在不脱离本说明书内容的保护范围的情况下，将本文所定义的一般性原理应用于其它变型。因此，本说明书内容并不限于本文所描述的示例和设计，而是与符合本文公开的原理和新颖性特征的最广范围相一致。
Claims (10)
1.一种数据采集优化方法，其特征在于，所述数据采集优化方法包括：构建包含采集信号和噪声信号的采集策略目标函数，所述采集信号与成像数据相关联；所述数据采集优化方法还包括：执行以下循环过程，直至满足预设收敛条件：
将与本循环过程中的预定成像数据相关联的预定采集信号的信号值输入到所述采集策略目标函数中，以得到本循环过程中的采集策略目标函数值；
确定本循环过程中的采集策略目标函数值是否满足所述预设收敛条件；
其中，在本循环过程中的采集策略目标函数值满足所述预设收敛条件的情况下，将本循环过程中的预定成像数据确定为最优成像数据。
2.根据权利要求1所述的数据采集优化方法，其特征在于，在所述采集策略目标函数值未满足预设收敛条件的情况下，将与另一预定成像数据相关联的预定采集信号的信号值作为下一循环过程中的预定采集信号的信号值。
3.根据权利要求1或2所述的数据采集优化方法，其特征在于，所述构建包含采集信号和噪声信号的采集策略目标函数，包括：
基于混合后验克拉美罗界构建包含采集信号和噪声信号的所述采集策略目标函数。
4.根据权利要求4所述的数据采集优化方法，其特征在于，基于混合后验克拉美罗界，并利用下面的式子1来构建包含采集信号和噪声信号的所述采集策略目标函数，
[式子1]
其中，θ表示字典仿真中所有变化的参数，z表示观测信号值，d表示真实信号值，p(d0)为采集开始时系统状态的先验概率分布，p(θ)为θ的先验概率分布，L表示采集次数，const表示一常数，σ表示噪声信号的标准差，fj(θ,α)表示与预定成像数据α相关联的预定采集信号，E[·]表示期望值，
表示二阶偏导运算。
5.一种数据采集优化装置，其特征在于，所述数据采集优化装置包括：目标函数构建模块以及循环操作直至满足预设收敛条件的目标函数值获取模块和确定模块；
所述目标函数构建模块用于构建包含采集信号和噪声信号的采集策略目标函数，所述采集信号与成像数据相关联；
所述目标函数值获取模块用于将与本循环过程中的预定成像数据相关联的预定采集信号的信号值输入到所述采集策略目标函数中，以得到本循环过程中的采集策略目标函数值；
所述确定模块用于确定本循环过程中的采集策略目标函数值是否满足所述预设收敛条件；
其中，在本循环过程中的所述采集策略目标函数值满足所述预设收敛条件的情况下，所述确定模块还用于将本循环过程中的所述预定成像数据确定为最优成像数据。
6.根据权利要求5所述的数据采集优化装置，其特征在于，在所述采集策略目标函数值未满足预设收敛条件的情况下，另一预定成像数据相关联的预定采集信号的信号值被作为下一循环过程中的预定采集信号的信号值。
7.根据权利要求5或6所述的数据采集优化装置，其特征在于，所述目标函数构建模块进一步用于基于混合后验克拉美罗界构建包含采集信号和噪声信号的所述采集策略目标函数。
8.根据权利要求7所述的数据采集优化装置，其特征在于，所述目标函数构建模块进一步用于基于混合后验克拉美罗界，并利用下面的式子1来构建包含采集信号和噪声信号的所述采集策略目标函数，
[式子1]
其中，θ表示字典仿真中所有变化的参数，z表示观测信号值，d表示真实信号值，p(d0)为采集开始时系统状态的先验概率分布，p(θ)为θ的先验概率分布，L表示采集次数，const表示一常数，σ表示噪声信号的标准差，fj(θ,α)表示与预定成像数据α相关联的预定采集信号，E[·]表示期望值，
表示二阶偏导运算。
9.一种电子设备，其特征在于，包括：
至少一个处理器，以及
与所述至少一个处理器耦合的存储器，所述存储器存储指令，当所述指令被所述至少一个处理器执行时，使得所述至少一个处理器执行如权利要求1至4中任一所述的数据采集优化方法。
10.一种机器可读存储介质，其存储有可执行指令，其特征在于，所述指令当被执行时使得所述机器执行如权利要求1到4中任一所述的数据采集优化方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011463694.4A CN114624638B (zh) | 2020-12-11 | 2020-12-11 | 数据采集优化方法和装置、电子设备及机器可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011463694.4A CN114624638B (zh) | 2020-12-11 | 2020-12-11 | 数据采集优化方法和装置、电子设备及机器可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114624638A true CN114624638A (zh) | 2022-06-14 |
| CN114624638B CN114624638B (zh) | 2025-03-11 |
Family
ID=81895366
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011463694.4A Active CN114624638B (zh) | 2020-12-11 | 2020-12-11 | 数据采集优化方法和装置、电子设备及机器可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114624638B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116956201A (zh) * | 2023-09-19 | 2023-10-27 | 成都中轨轨道设备有限公司 | 一种大数据决策的智能耦合预警方法 |
| CN118483633A (zh) * | 2024-07-01 | 2024-08-13 | 自贡市第一人民医院 | 一种快速的化学交换饱和转移成像与重建方法及系统 |
| CN119719084A (zh) * | 2024-12-10 | 2025-03-28 | 马鞍山市大数据资产运营有限公司 | 一种基于自定义策略优化算法的元数据采集方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109799471A (zh) * | 2019-01-11 | 2019-05-24 | 中国科学院苏州生物医学工程技术研究所 | 一种磁共振波谱成像模拟方法及系统、存储介质、电子设备 |
| US20200256936A1 (en) * | 2019-02-13 | 2020-08-13 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for magnetic resonance imaging |
| CN112037298A (zh) * | 2020-08-20 | 2020-12-04 | 上海联影医疗科技股份有限公司 | 图像重建方法、装置、计算机设备和存储介质 |
-
2020
- 2020-12-11 CN CN202011463694.4A patent/CN114624638B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109799471A (zh) * | 2019-01-11 | 2019-05-24 | 中国科学院苏州生物医学工程技术研究所 | 一种磁共振波谱成像模拟方法及系统、存储介质、电子设备 |
| US20200256936A1 (en) * | 2019-02-13 | 2020-08-13 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for magnetic resonance imaging |
| CN112037298A (zh) * | 2020-08-20 | 2020-12-04 | 上海联影医疗科技股份有限公司 | 图像重建方法、装置、计算机设备和存储介质 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116956201A (zh) * | 2023-09-19 | 2023-10-27 | 成都中轨轨道设备有限公司 | 一种大数据决策的智能耦合预警方法 |
| CN116956201B (zh) * | 2023-09-19 | 2023-12-08 | 成都中轨轨道设备有限公司 | 一种大数据决策的智能耦合预警方法 |
| CN118483633A (zh) * | 2024-07-01 | 2024-08-13 | 自贡市第一人民医院 | 一种快速的化学交换饱和转移成像与重建方法及系统 |
| CN119719084A (zh) * | 2024-12-10 | 2025-03-28 | 马鞍山市大数据资产运营有限公司 | 一种基于自定义策略优化算法的元数据采集方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114624638B (zh) | 2025-03-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114624638A (zh) | 数据采集优化方法和装置、电子设备及机器可读存储介质 | |
| Jin et al. | A stochastic gradient approach on compressive sensing signal reconstruction based on adaptive filtering framework | |
| CN113096169A (zh) | 一种非刚性多模医学图像的配准模型建立方法及其应用 | |
| CN114398803B (zh) | 匀场联合仿真方法、装置、电子设备及存储介质 | |
| CN111368989A (zh) | 神经网络模型的训练方法、装置、设备及可读存储介质 | |
| CN114387627A (zh) | 基于深度度量学习的小样本无线设备射频指纹识别方法及装置 | |
| CN106772165A (zh) | 氨基质子转移效应的确定方法及装置 | |
| CN115035304A (zh) | 一种基于课程学习的图像描述生成方法及系统 | |
| CN106972966A (zh) | 一种通信网络中网络流量异常的实时检测方法 | |
| US12254714B2 (en) | Methods and apparatuses for performing object recognition | |
| Bellettini et al. | Γ-entropy cost for scalar conservation laws | |
| CN117872097B (zh) | 基于强化学习的数字电路自动测试向量生成方法和装置 | |
| CN115423894B (zh) | 一种基于变分自编码器的磁共振加权图像合成方法和装置 | |
| CN111856364B (zh) | 一种磁共振成像方法、装置、系统及存储介质 | |
| CN112489155B (zh) | 图像重建方法和装置、电子设备以及机器可读存储介质 | |
| CN117435896A (zh) | 一种在不平衡分类场景下无分割的验证集合成方法 | |
| CN116894752A (zh) | 一种基于深度水印算法的dti图像版权保护方法及系统 | |
| CN116299219A (zh) | 一种干扰深度特征距离度量联合检测与抑制方法 | |
| JP2024543755A (ja) | 変分オートエンコーダによる磁気共鳴重み付け画像の合成方法及び装置 | |
| CN118115608A (zh) | 一种快速弥散张量成像方法及装置 | |
| CN114469047A (zh) | 基于可变翻转角的快速正对比磁共振成像方法和装置 | |
| CN110113053B (zh) | 一种分布式压缩感知稀疏信号重建方法 | |
| CN114913404A (zh) | 模型训练、人脸图像活体检测方法、电子设备及存储介质 | |
| CN115134072A (zh) | 一种基于多任务自编码器的物理层密钥生成方法和装置 | |
| Liu et al. | An Inexact-Order Regularized Proximal Newton Method for Nonconvex Composite Optimization |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |