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！

龙图腾网获悉厦门大学申请的专利一种基于深度学习的核磁共振一维氢谱虚拟去偶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：CN119339841B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202411371364.0，技术领域涉及：G16C20/70；该发明授权一种基于深度学习的核磁共振一维氢谱虚拟去偶方法是由林玉兰;张泽煊;陈忠设计研发完成，并于2024-09-29向国家知识产权局提交的专利申请。

本一种基于深度学习的核磁共振一维氢谱虚拟去偶方法在说明书摘要公布了：本发明提供一种基于深度学习的核磁共振一维氢谱虚拟去偶方法，该方法主要涉及通过深度学习模型对一维核磁共振氢谱进行虚拟去偶。首先，生成深度学习模型需要的训练样本；其次，设计深度学习模型的结构；随后，采用所述训练样本对深度学习模型进行训练，得到训练好的深度学习模型；最终，采用所述训练好的深度学习模型，对核磁共振一维氢谱进行虚拟去偶。本发明的主要效果是：不需要设计脉冲序列，仅通过深度学习模型即可实现一维氢谱的去偶。

本发明授权一种基于深度学习的核磁共振一维氢谱虚拟去偶方法在权利要求书中公布了：1.一种基于深度学习的核磁共振一维氢谱虚拟去偶方法，其特征在于，包括如下步骤： S1:生成深度学习模型所需的训练集与测试集； S2：设计深度学习模型架构并搭建模型； S3：采用所述训练集与测试集对所述的深度学习模型进行训练，得到收敛、训练完毕的深度学习模型； S4：采用所述测试集与实验采集得到的一维氢谱对所述训练完毕的深度学习模型进行测试； 步骤S1具体包括： S11：根据自由感应衰减信号由复指数信号叠加而成这一特征，利用数学模型生成对应谱峰具有Voigt峰型、带有噪声与失真的模拟一维核磁共振氢谱； 所述模拟一维核磁共振氢谱的参数包括：偶合体系个数、偶合体系自旋个数、谱宽、线宽、谱峰位置、偶合常数、噪声强度和失真程度； S12：生成与S11所述一维核磁共振氢谱对应的无偶合裂峰、无噪声与无失真的纯化学位移谱； S13：根据S12生成所述纯化学位移谱中的谱峰位置与强度，生成二通道的标签数据，每个谱峰占用三个数据点的位置；第一通道的数据大小为0或1，代表该点是否为谱峰；第二通道的数据为谱峰强度； S14：对标签谱峰强度进行对数缩放，将其控制在同一个数量级上； S15：重复S11-S14，生成设定量的训练集与测试集； 所述步骤S2具体包括： S21：设计并搭建编码器模块：所述编码器模块的每一阶层由一个多尺度特征提取模块与三个CBR模块组成；所述CBR模块由卷积核为3，步长为1的卷积层组成；每个卷积层后面是批归一化层以及非线性层ReLU；每一阶层后使用一个大小为2，步长为2的最大池化层进行下采样； S22：设计并搭建解码器模块：所述解码器模块的每一阶层包括一个上采样卷积模块、注意力门模块、一个多尺度特征提取模块以及三个CBR模块构成； 所述上采样卷积模块由卷积核为4，步长为2的反卷积层与一个CBR模块组成；上一阶层的解码器模块的输出通过上采样卷积模块进行维度拓展，与同一阶层的编码器输出一起输入注意力门模块，将注意力门模块输出与上采样卷积模块输出在通道维度进行拼接，后面接着的是多尺度特征提取模块以及三个CBR模块； S23：设计并搭建多尺度特征提取模块：所述多尺度特征提取模块由四个卷积通道组成，分别为：1一个卷积核为1，步长为1的卷积层；2一个卷积核为1，步长为1的卷积层与一个卷积核为8，步长为1的卷积层叠加；3一个卷积核为1，步长为1的卷积层与一个卷积核为32，步长为1的卷积层叠加；4一个卷积核为1，步长为1的卷积层与一个卷积核为64，步长为1的卷积层叠加；每层卷积层后面是批归一化层以及第一非线性层ReLU； S24：所述编码器与解码器模块分别进行特征提取与特征恢复； S25：设计并搭建注意力门模块：所述注意力门模块包括两个独立的卷积核为1，步长为1的卷积层，两者输出相加后经过第二非线性层ReLU，经过一个卷积核为1，步长为1的卷积层与第一非线性层Sigmoid；同一阶层的编码器输出与解码器中的上采样卷积模块的输出经过注意力门模块，并且将第一非线性层Sigmoid的输出与编码器输出相乘，作为注意力门模块的输出； S26：设计并搭建输出模块：所述输出模块由两个卷积核为3，步长为1的卷积层组成；第一个卷积层后面是第三非线性层ReLU以及批归一化层；第二个卷积层的输出，第一通道后面是第二非线性层Sigmoid，第二通道后面是第四非线性层ReLU。

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厦门大学，其通讯地址为：361000 福建省厦门市思明南路422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。