技术摘要：
本发明公开了一种基于BP神经网络的红外热源信息反演方法，包括获取目标体的红外热图像；根据红外热图像上的温度点进行数据拟合，得到温度分布曲线；取温度分布曲线上的温度数据和环境温度作为样本的输入数据，以归一化后的热源参数作为样本的输出数据，构造训练集和测  全部
背景技术：
目前常用的结构性影像设备包括数字X线摄影(X光)、计算机断层扫描(CT)、核磁 共振成像(MRI)和B型超声检查(B超)只能当病变发展到一定程度造成结构变化时才能检测 到，但对于很多疾病例如慢性非传染性疾病，由于诊断的不及时将导致后期治疗的无效率 和死亡率的大大增高。 红外热成像技术的出现为实现疾病的及时诊断提供了全新的思路，因为区别于结 构影像设备，红外热成像技术在组织结构尚未发生改变而仅发生功能性改变时，根据体表 温度的微小变化及早发现异常区域，在病症进一步发展之前，对其进行调理和治疗，或者对 异常区域跟踪观察，以争取到宝贵的确诊时间，使患者获得生存机会，也可以对疾病的转移 和转移趋势进行辅助诊断，所以医用红外热成像技术具有重大的临床价值。 但在实际应用中，仍存在一定的局限性，通过红外热成像技术仅能得到体现在体 表的温度分布热图，单纯依靠表面的二维温度分布并不能准确掌握人体内部的温度场，因 为体表温度分布是人体内所有的组织和器官经过内部复杂的热传导过程以及与外部环境 条件换热过程才呈现的，并且疾病信息会受到更多更强大的非疾病信息的干扰，在体表温 度上由疾病信息反映出与正常部位的差距会被其弱化，且人体组织具有异质性和各向异 性，其维持体温的机制如血流、代谢热的产生和临床表现关系尚未明确，故目前基于红外热 成像技术无法对病灶实现精准定位诊断，但实现精准诊断是医疗发展的重大目标。所以本 发明针对红外热成像技术所得的表面温度，基于BP神经网络对内部热源信息进行反演，为 医学诊断提供一定的技术基础。
技术实现要素：
本申请的目的在于一种基于BP神经网络的红外热源信息反演方法，该方法能够客 观全面地反演每个热源参数，且反演准确率高。 为实现上述目的，本申请所采取的技术方案为： 一种基于BP神经网络的红外热源信息反演方法，所述基于BP神经网络的红外热源 信息反演方法，包括： 步骤S1、获取目标体的红外热图像； 步骤S2、根据红外热图像上的温度点进行数据拟合，得到温度分布曲线，所述温度 分布曲线上包括温度数据和环境温度； 步骤S3、取温度分布曲线上的温度数据和环境温度作为样本的输入数据，以归一 化后的热源参数作为样本的输出数据，构造训练集和测试集，所述热源参数包括热源深度、 热源半径和热源温度； 4 CN 111584086 A 说　明　书 2/6 页 步骤S4、确定BP神经网络的拓扑结构、基础参数以及神经元的变换函数，构建反演 模型； 步骤S5、利用所述训练集，通过信号的正向传播和误差的反向传播两种方式交替 进行优化所述反演模型； 步骤S6、将所述测试集输入反演模型，判断反演模型输出的误差是否满足标准，若 不满足则重新执行步骤S4；否则输出最优的反演模型； 步骤S7、取待测目标体的红外热图像，利用最优的反演模型根据待测目标体的红 外热图像输出归一化后的热源参数； 步骤S8、对输出的归一化后的热源参数进行反归一化处理，得到反演后的热源参 数。 作为优选，所述归一化所采用的公式如下： 其中，xnorm为归一化后的结果，xi为归一化前的值，xmax为最大值，xmin为最小值。 作为优选，所述确定BP神经网络的神经元的拓扑结构，包括： 所述BP神经网络的拓扑结构包括输入层、隐层和输出层三种结构层，其中，所述隐 层的层数为一层，且隐层的神经元数目为四个。 作为优选，所述确定BP神经网络的基础参数，包括： 设置BP神经网络的学习率为0.00003，训练显示间隔次数为100，最大训练循环次 数为20000，学习目标为0.0001。 作为优选，所述确定BP神经网络的神经元的变换函数，包括： BP神经网络节点的输入输出激励函数采用sigmoid函数，函数式如下： BP神经网络隐层的传递函数均为tansig函数，函数式如下： 并且输出传递函数采用purelin函数，训练函数选择trainlm函数。 作为优选，所述反归一化处理的公式如下： 其中，xi为反归一化后的结果，xnorm为反演模型输出的归一化后的热源参数，xmax为 最大值，xmin为最小值。 本申请提供的基于BP神经网络的红外热源信息反演方法，通过BP神经网络训练数 据，可以减少由不同热源参数经由传热过程后本身造成的差异，更客观和全面地反演每个 热源参数，并且反演可达较高的准确率。 5 CN 111584086 A 说　明　书 3/6 页 附图说明 图1为本申请的基于BP神经网络的红外热源信息反演方法的流程图； 图2为本申请的BP神经网络的一种实施例结构示意图； 图3为实施例1中热源深度的相对误差曲线图； 图4为实施例1中热源半径的相对误差曲线图； 图5为实施例1中热源温度的相对误差曲线图。