CN114647274B - 一种驱动电路的电流控制方法、装置及驱动电路 - Google Patents
一种驱动电路的电流控制方法、装置及驱动电路 Download PDFInfo
- Publication number
- CN114647274B CN114647274B CN202210102862.XA CN202210102862A CN114647274B CN 114647274 B CN114647274 B CN 114647274B CN 202210102862 A CN202210102862 A CN 202210102862A CN 114647274 B CN114647274 B CN 114647274B
- Authority
- CN
- China
- Prior art keywords
- current
- magnetic field
- driving circuit
- sample
- neural network
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000003062 neural network model Methods 0.000 claims abstract description 48
- 238000001514 detection method Methods 0.000 claims abstract description 34
- 230000001276 controlling effect Effects 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 9
- 230000001105 regulatory effect Effects 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 230000005311 nuclear magnetism Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05F—SYSTEMS FOR REGULATING ELECTRIC OR MAGNETIC VARIABLES
- G05F7/00—Regulating magnetic variables
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N24/00—Investigating or analyzing materials by the use of nuclear magnetic resonance, electron paramagnetic resonance or other spin effects
- G01N24/08—Investigating or analyzing materials by the use of nuclear magnetic resonance, electron paramagnetic resonance or other spin effects by using nuclear magnetic resonance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- High Energy & Nuclear Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Electromagnetism (AREA)
- Artificial Intelligence (AREA)
- Automation & Control Theory (AREA)
- Evolutionary Biology (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Radar, Positioning & Navigation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Feedback Control In General (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明涉及一种驱动电路的电流控制方法、装置及驱动电路，本发明首先通过历史样品的检测数据建立训练数据集，然后搭建神经网络模型，通过训练好的神经网络模型控制驱动电路的电流，进而改变与驱动电路连接的线圈产生的磁场强度，从而不需要人工调节线圈，提高了对驱动电路电流的控制精度，实现了对样品检测区域的磁场强度的精确控制，提高对样品的检测精度。
Description
技术领域
本发明属于驱动电路技术领域，具体涉及一种驱动电路的电流控制方法、装置及驱动电路。
背景技术
在使用波谱仪对样品进行检测时，需要在样品检测区域施加匀强磁场，现有技术通常在样品周围设置线圈，通过驱动电路向线圈通入电流产生微弱的磁场，来抵消磁场的不均匀性，核磁工作者可以根据样品的核磁谱图峰形来判断该如何调节线圈。然而通过人工调节线圈改变磁场强度存在较大的误差，导致对样品的检测精度不高。
发明内容
为解决现有存在的技术问题，本发明实施例提供一种驱动电路的电流控制方法、装置及驱动电路，能够自适应调节驱动电路的电流，从而精确控制样品检测区域的磁场强度，提高对样品的检测精度。
第一方面，本发明提供了一种驱动电路的电流控制方法，包括如下步骤：
基于历史样品的拉莫尔频率参数、历史样品检测区域磁场强度参数和历史调节电流参数建立训练数据集；
建立关于拉莫尔频率、磁场强度和调节电流的神经网络模型；
将训练数据集输入神经网络模型，对神经网络模型的权重参数进行迭代，得到训练好的神经网络模型；
获取待检测样品区域的磁场强度参数，并输入训练好的神经网络模型，得到调节电流参数；
基于调节电流参数对驱动电路的电流进行控制，以调节待检测样品区域的磁场强度。
进一步地，获取样品的拉莫尔频率参数包括如下步骤：
通过检测线圈获取样品的FID信号；
对FID信号进行傅里叶变换得到样品的拉莫尔频率参数。
进一步地，获取待检测样品区域的磁场强度参数，并输入训练好的神经网络模型，得到调节电流参数包括：
获取待检测样品区域的至少一个子区域的磁场强度参数，并输入训练好的神经网络模型，得到调节电流参数。
进一步地，基于调节电流参数对驱动电路的电流进行控制，以调节待检测样品区域的磁场强度包括：
基于调节电流参数对至少一个驱动电路的电流进行控制，以调节待检测样品区域的至少一个子区域的磁场强度，其中，驱动电路与子区域一一对应。
进一步地，基于调节电流参数对驱动电路的电流进行控制，以调节待检测样品区域的磁场强度包括：
基于调节电流参数对至少一个驱动电路的电流进行控制，以改变与至少一个驱动电路连接的线圈的电流大小，调节待检测样品区域的至少一个子区域的磁场强度。
第二方面，本发明提供了一种驱动电路的电流控制装置，包括：
数据处理单元，用于基于历史样品的拉莫尔频率参数、历史样品检测区域磁场强度参数和历史调节电流参数建立训练数据集；
模型构建单元，用于建立关于拉莫尔频率、磁场强度和调节电流的神经网络模型；
模型训练单元，用于将训练数据集输入神经网络模型，对神经网络模型的权重参数进行迭代，得到训练好的神经网络模型；
数据获取单元，用于获取待检测样品区域的磁场强度参数，并输入训练好的神经网络模型，得到调节电流参数；
电流控制单元，用于基于调节电流参数对驱动电路的电流进行控制，以调节待检测样品区域的磁场强度。
进一步地，数据获取单元具体用于：
获取待检测样品区域的至少一个子区域的磁场强度参数，并输入训练好的神经网络模型，得到调节电流参数。
进一步地，电流控制单元具体用于：
基于调节电流参数对至少一个驱动电路的电流进行控制，以调节待检测样品区域的至少一个子区域的磁场强度，其中，驱动电路与子区域一一对应。
第三方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上任一所述的驱动电路的电流控制方法。
第四方面，本发明提供了一种驱动电路，包括处理器，所述处理器包括如上所述的计算机可读存储介质，驱动电路还包括：
采样模块，与处理器输入端连接，用于采集待检测样品区域的磁场强度；
驱动模块，与处理器的输出端连接，用于根据处理器输出的电流调节指令驱动与驱动模块连接的线圈。
本发明实施例提供的一种驱动电路的电流控制方法、装置及驱动电路，具备的优点和效果有：
本发明首先通过历史样品的检测数据建立训练数据集，然后搭建神经网络模型，通过训练好的神经网络模型控制驱动电路的电流，进而改变与驱动电路连接的线圈产生的磁场强度，从而不需要人工调节线圈，提高了对驱动电路电流的控制精度，实现了对样品检测区域的磁场强度的精确控制，提高对样品的检测精度。
附图说明
为了更清楚地说明本发明实施例或背景技术中的技术方案，下面将对本发明实施例或背景技术中所需要使用的附图进行说明。
图1为本发明实施例提供的驱动电路的电流控制方法流程示意图；
图2为本发明实施例提供的驱动电路的电流控制装置的结构框图；
图3为本发明实施例提供的驱动电路结构框图。
具体实施方式
在本发明实施例的描述中，所属技术领域的技术人员应当知道，本发明实施例可以实现为方法、装置、电子设备及计算机可读存储介质。因此，本发明实施例可以具体实现为以下形式：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)、硬件和软件结合的形式。此外，在一些实施例中，本发明实施例还可以实现为在一个或多个计算机可读存储介质中的计算机程序产品的形式，该计算机可读存储介质中包含计算机程序代码。
上述计算机可读存储介质可以采用一个或多个计算机可读存储介质的任意组合。计算机可读存储介质包括：电、磁、光、电磁、红外或半导体的系统、装置或器件，或者以上任意的组合。计算机可读存储介质更具体的例子包括：便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、闪存(Flash Memory)、光纤、光盘只读存储器(CD-ROM)、光存储器件、磁存储器件或以上任意组合。在本发明实施例中，计算机可读存储介质可以是任意包含或存储程序的有形介质，该程序可以被指令执行系统、装置、器件使用或与其结合使用。
上述计算机可读存储介质包含的计算机程序代码可以用任意适当的介质传输，包括：无线、电线、光缆、射频(Radio Frequency，RF)或者以上任意合适的组合。
可以以汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、集成电路配置数据或以一种或多种程序设计语言或其组合来编写用于执行本发明实施例操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言，例如：Java、 Smalltalk、C++，还包括常规的过程式程序设计语言，例如：C语言或类似的程序设计语言。计算机程序代码可以完全的在用户计算机上执行、部分的在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行以及完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括：局域网(LAN)或广域网(WAN)，可以连接到用户计算机，也可以连接到外部计算机。
本发明实施例通过流程图和/或方框图描述所提供的方法、装置、电子设备。
应当理解，流程图和/或方框图的每个方框以及流程图和/或方框图中各方框的组合，都可以由计算机可读程序指令实现。这些计算机可读程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，从而生产出一种机器，这些计算机可读程序指令通过计算机或其他可编程数据处理装置执行，产生了实现流程图和/或方框图中的方框规定的功能/操作的装置。
也可以将这些计算机可读程序指令存储在能使得计算机或其他可编程数据处理装置以特定方式工作的计算机可读存储介质中。这样，存储在计算机可读存储介质中的指令就产生出一个包括实现流程图和/或方框图中的方框规定的功能/操作的指令装置产品。
也可以将计算机可读程序指令加载到计算机、其他可编程数据处理装置或其他设备上，使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机或其他可编程数据处理装置上执行的指令能够提供实现流程图和/或方框图中的方框规定的功能/操作的过程。
下面结合本发明实施例中的附图对本发明实施例进行描述。
第一方面，如图1所示，本发明实施例提供一种驱动电路的电流控制方法，包括如下步骤：
S100、基于历史样品的拉莫尔频率参数、历史样品检测区域磁场强度参数和历史调节电流参数建立训练数据集；
在本步骤中，样品的拉莫尔频率，检测区域磁场强度和驱动电路的电流满足如下的函数关系：
其中，f为拉莫尔频率，B为磁场强度，γ为旋磁比，N为线圈匝数， I为电流，Le为磁路长度。
因此，可根据历史样品的拉莫尔频率、历史样品检测区域磁场强度和历史调节电流建立神经网络模型的训练数据集。
S200、建立关于拉莫尔频率、磁场强度和调节电流的神经网络模型；
S300、将训练数据集输入神经网络模型，对神经网络模型的权重参数进行迭代，得到训练好的神经网络模型；
S400、获取待检测样品区域的磁场强度参数，并输入训练好的神经网络模型，得到调节电流参数；
S500、基于调节电流参数对驱动电路的电流进行控制，以调节待检测样品区域的磁场强度。
本发明实施例首先通过历史样品的检测数据建立训练数据集，然后搭建神经网络模型，通过训练好的神经网络模型控制驱动电路的电流，进而改变与驱动电路连接的线圈产生的磁场强度，从而不需要人工调节线圈，提高了对驱动电路电流的控制精度，实现了对样品检测区域的磁场强度的精确控制，提高对样品的检测精度。
进一步地，获取样品的拉莫尔频率参数包括如下步骤：
通过检测线圈获取样品的FID信号；
对FID信号进行傅里叶变换得到样品的拉莫尔频率参数。
具体的，在外界条件不变的情况下，样品的共振频率为一个固定值，因此检测线圈检测到的FID信号和射频磁场的频率变化时一致的，因此可对FID信号进行傅里叶变换，得到FID信号的频率，根据核磁共振发生的条件，从而间接得到射频磁场的中心频率，该频率即样品的拉莫尔频率。
进一步地，获取待检测样品区域的磁场强度参数，并输入训练好的神经网络模型，得到调节电流参数包括：
获取待检测样品区域的至少一个子区域的磁场强度参数，并输入训练好的神经网络模型，得到调节电流参数。
进一步地，基于调节电流参数对驱动电路的电流进行控制，以调节待检测样品区域的磁场强度包括：
基于调节电流参数对至少一个驱动电路的电流进行控制，以调节待检测样品区域的至少一个子区域的磁场强度，其中，驱动电路与子区域一一对应。
进一步地，基于调节电流参数对驱动电路的电流进行控制，以调节待检测样品区域的磁场强度包括：
基于调节电流参数对至少一个驱动电路的电流进行控制，以改变与至少一个驱动电路连接的线圈的电流大小，调节待检测样品区域的至少一个子区域的磁场强度。
具体的，为了对样品检测区域的磁场强度进行精确控制，得到匀强磁场，本发明实施例在样品检测区域设置有多个用于调节样品检测区域磁场强度的线圈，每个线圈对应一个样品检测区域的子区域，通过神经网络模型调节至少一个驱动电路的电流，进而改变与驱动电路连接的线圈产生的磁场强度，从而保证多个子区域的合磁场为匀强磁场，其满足的函数关系为：
B′＝k1f1(B1，I1)+k2f2(B2，I2)+…+knfn(Bn，In) (3)，
其中，B′为合磁场强度，kn为电流调节权重，Bn为样品检测区域的子区域磁场强度，In为样品检测区域的子区域对应的驱动电路的电流， fn(Bn，In)为Bn关于In的函数。
因此，神经网络模型的训练数据集包括历史样品的拉莫尔频率参数、历史样品检测区域的合磁场强度参数、历史样品检测区域的子区域的磁场强度参数和历史样品检测区域的子区域对应的驱动电路的调节电流参数。
第二方面，如图2所示，本发明实施例提供了一种驱动电路的电流控制装置，包括：
数据处理单元100，用于基于历史样品的拉莫尔频率参数、历史样品检测区域磁场强度参数和历史调节电流参数建立训练数据集；
模型构建单元200，用于建立关于拉莫尔频率、磁场强度和调节电流的神经网络模型；
模型训练单元300，用于将训练数据集输入神经网络模型，对神经网络模型的权重参数进行迭代，得到训练好的神经网络模型；
数据获取单元400，用于获取待检测样品区域的磁场强度参数，并输入训练好的神经网络模型，得到调节电流参数；
电流控制单元500，用于基于调节电流参数对驱动电路的电流进行控制，以调节待检测样品区域的磁场强度。
进一步地，数据获取单元400具体用于：
获取待检测样品区域的至少一个子区域的磁场强度参数，并输入训练好的神经网络模型，得到调节电流参数。
进一步地，电流控制单元500具体用于：
基于调节电流参数对至少一个驱动电路的电流进行控制，以调节待检测样品区域的至少一个子区域的磁场强度，其中，驱动电路与子区域一一对应。
第三方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上任一所述的驱动电路的电流控制方法。
第四方面，如图3所示，本发明实施例提供了一种驱动电路，包括处理器600，所述处理器600包括如上所述的计算机可读存储介质，驱动电路还包括：
采样模块700，与处理器600输入端连接，用于采集待检测样品区域的磁场强度；
驱动模块800，与处理器600的输出端连接，用于根据处理器600输出的电流调节指令驱动与驱动模块连接的线圈。
以上所述，仅为本发明实施例的具体实施方式，但本发明实施例的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明实施例披露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明实施例的保护范围之内。因此，本发明实施例的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种驱动电路的电流控制方法，其特征在于，包括如下步骤：
基于历史样品的拉莫尔频率参数、历史样品检测区域磁场强度参数和历史调节电流参数建立训练数据集；
建立关于拉莫尔频率、磁场强度和调节电流的神经网络模型；
将所述训练数据集输入所述神经网络模型，对所述神经网络模型的权重参数进行迭代，得到训练好的神经网络模型；
获取待检测样品区域的磁场强度参数，并输入所述训练好的神经网络模型，得到调节电流参数；
基于所述调节电流参数对驱动电路的电流进行控制，以调节所述待检测样品区域的磁场强度。
2.根据权利要求1所述的驱动电路的电流控制方法，其特征在于，获取样品的拉莫尔频率参数包括如下步骤：
通过检测线圈获取样品的FID信号；
对所述FID信号进行傅里叶变换得到样品的拉莫尔频率参数。
3.根据权利要求1所述的驱动电路的电流控制方法，其特征在于，所述获取待检测样品区域的磁场强度参数，并输入所述训练好的神经网络模型，得到调节电流参数包括：
获取待检测样品区域的至少一个子区域的磁场强度参数，并输入所述训练好的神经网络模型，得到调节电流参数。
4.根据权利要求3所述的驱动电路的电流控制方法，其特征在于，所述基于所述调节电流参数对驱动电路的电流进行控制，以调节所述待检测样品区域的磁场强度包括：
基于所述调节电流参数对至少一个驱动电路的电流进行控制，以调节所述待检测样品区域的至少一个子区域的磁场强度，其中，所述驱动电路与子区域一一对应。
5.根据权利要求4所述的驱动电路的电流控制方法，其特征在于，所述基于所述调节电流参数对驱动电路的电流进行控制，以调节所述待检测样品区域的磁场强度包括：
基于所述调节电流参数对至少一个驱动电路的电流进行控制，以改变与所述至少一个驱动电路连接的线圈的电流大小，调节所述待检测样品区域的至少一个子区域的磁场强度。
6.一种驱动电路的电流控制装置，其特征在于，包括：
数据处理单元，用于基于历史样品的拉莫尔频率参数、历史样品检测区域磁场强度参数和历史调节电流参数建立训练数据集；
模型构建单元，用于建立关于拉莫尔频率、磁场强度和调节电流的神经网络模型；
模型训练单元，用于将所述训练数据集输入所述神经网络模型，对所述神经网络模型的权重参数进行迭代，得到训练好的神经网络模型；
数据获取单元，用于获取待检测样品区域的磁场强度参数，并输入所述训练好的神经网络模型，得到调节电流参数；
电流控制单元，用于基于所述调节电流参数对驱动电路的电流进行控制，以调节所述待检测样品区域的磁场强度。
7.根据权利要求6所述的驱动电路的电流控制装置，其特征在于，所述数据获取单元具体用于：
获取待检测样品区域的至少一个子区域的磁场强度参数，并输入所述训练好的神经网络模型，得到调节电流参数。
8.根据权利要求7所述的驱动电路的电流控制装置，其特征在于，所述电流控制单元具体用于：
基于所述调节电流参数对至少一个驱动电路的电流进行控制，以调节所述待检测样品区域的至少一个子区域的磁场强度，其中，所述驱动电路与子区域一一对应。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-5中任一所述的驱动电路的电流控制方法。
10.一种驱动电路，其特征在于，包括处理器，所述处理器包括权利要求9所述的计算机可读存储介质，所述驱动电路还包括：
采样模块，与所述处理器输入端连接，用于采集待检测样品区域的磁场强度；
驱动模块，与所述处理器的输出端连接，用于根据所述处理器输出的电流调节指令驱动与所述驱动模块连接的线圈。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210102862.XA CN114647274B (zh) | 2022-01-27 | 2022-01-27 | 一种驱动电路的电流控制方法、装置及驱动电路 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210102862.XA CN114647274B (zh) | 2022-01-27 | 2022-01-27 | 一种驱动电路的电流控制方法、装置及驱动电路 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114647274A CN114647274A (zh) | 2022-06-21 |
| CN114647274B true CN114647274B (zh) | 2024-04-16 |
Family
ID=81993549
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210102862.XA Active CN114647274B (zh) | 2022-01-27 | 2022-01-27 | 一种驱动电路的电流控制方法、装置及驱动电路 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114647274B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103961101A (zh) * | 2013-02-05 | 2014-08-06 | 三星电子株式会社 | 磁共振成像设备及其控制方法 |
| CN108490823A (zh) * | 2018-03-02 | 2018-09-04 | 北京航空航天大学 | 高精度磁场驱动程控系统 |
| CN111948588A (zh) * | 2019-05-15 | 2020-11-17 | 西门子医疗有限公司 | 用于控制磁共振成像系统的方法和设备 |
| CN113423336A (zh) * | 2019-02-15 | 2021-09-21 | Q生物公司 | 使用预测模型确定模型参数 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10048337B2 (en) * | 2012-09-10 | 2018-08-14 | Toshiba Medical Systems Corporation | Image diagnosis apparatus and power control method of an image diagnosis apparatus |
-
2022
- 2022-01-27 CN CN202210102862.XA patent/CN114647274B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103961101A (zh) * | 2013-02-05 | 2014-08-06 | 三星电子株式会社 | 磁共振成像设备及其控制方法 |
| CN108490823A (zh) * | 2018-03-02 | 2018-09-04 | 北京航空航天大学 | 高精度磁场驱动程控系统 |
| CN113423336A (zh) * | 2019-02-15 | 2021-09-21 | Q生物公司 | 使用预测模型确定模型参数 |
| CN111948588A (zh) * | 2019-05-15 | 2020-11-17 | 西门子医疗有限公司 | 用于控制磁共振成像系统的方法和设备 |
| EP3739353A1 (en) * | 2019-05-15 | 2020-11-18 | Siemens Healthcare GmbH | Method and device for controlling a magnetic resonance imaging system |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114647274A (zh) | 2022-06-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10863919B2 (en) | Method and system for gradient power amplifier debugging | |
| US10802472B2 (en) | Method and apparatus for controlling motor vibration | |
| Klencsár et al. | User-friendly software for Mössbauer spectrum analysis | |
| CN102210587B (zh) | 用于确定磁共振系统控制序列的方法和装置 | |
| JP6598442B2 (ja) | Ｂ１マップの算出 | |
| US11163272B2 (en) | Servo parameter adjustment device and servo parameter adjustment method | |
| US8169213B2 (en) | Magnetic field analysis method, magnetization analysis device, and recording medium with computer program | |
| DE102011006151A1 (de) | Verfahren und Einrichtung zur Ermittlung einer Magnetresonanzsystem-Ansteuersequenz | |
| CN114647274B (zh) | 一种驱动电路的电流控制方法、装置及驱动电路 | |
| CN109856575A (zh) | 一种确定磁共振被动匀场的方法、装置、设备及存储介质 | |
| DE112016006993T5 (de) | Gateway-vorrichtung, firmwareaktualisierungsverfahre und firmwareaktualisierungsprogramm | |
| DE102013213255B4 (de) | Beschleunigte Bestimmung von Gradientenverläufen auf der Grundlage von vorherigen Gradientenverläufen | |
| CN104635187B (zh) | 磁共振系统的自适应有源自动匀场方法和系统 | |
| US20180196414A1 (en) | Data processing device and data processing method | |
| CN103092815A (zh) | 校准装置及其对监测装置中的传递函数进行校准的方法 | |
| US20080125883A1 (en) | Method and apparatus for consolidating process control | |
| CN112308421B (zh) | 一种基于rfid的终端资产信息安全管理方法及系统 | |
| CN111222228B (zh) | 控制llc的工作频率的方法及终端设备 | |
| US10429464B2 (en) | Method and magnetic resonance apparatus for shimming the basic magnetic field by operation of a shim device | |
| JPH0751249A (ja) | 測定対象の局所分解磁気共鳴検査方法および装置 | |
| US7474927B2 (en) | Method for optimizing control parameters | |
| CN114325520B (zh) | 磁体升场方法及装置 | |
| US20160020720A1 (en) | Drive control system and drive control method | |
| DE602005006054T2 (de) | Stabilisator für ein NMR-Magnetfeld und Verfahren zu seiner Benutzung | |
| KR101339357B1 (ko) | 산업용 로봇 암의 자동튜닝 장치 및 방법 |
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 |