一种基于机器学习-电磁反演的高空间分辨率脑成像方法

摘要

本发明提供一种基于机器学习‑电磁反演的高空间分辨率脑成像方法，包括以下步骤：建立反演模型，根据高空间分辨率的脑电特性分布，建立SJ‑BPNNs网络和U‑Net网络结合的反演模型，所述SJ‑BPNNs网络将测量到的散射场转化为脑电特性的三维图像，再利用U‑Net网络增强三维图像的成像质量；依据人脑先验信息的脑成像训练策略来建立学习样本数据集；所述训练策略包括：在给定范围内对人脑模型进行不同因子的缩放；根据不同的组织，在给定的范围内随机设置不同训练样本的脑组织电学特性；利用学习样本集对SJ‑BPNNs网络进行训练和验证；再将SJ‑BPNNs输出的三维图像处理成二维图像输入到U‑Net中训练和测试；本发明提供的方法能够实现高效、准确地重建三维高空间分辨率的人脑电性层析成像。