公开(公告)号：CN113539435B

公开(公告)日：2021-12-14

申请号：CN202111090208.3

申请日：2021-09-17

Applicant: 之江实验室

Inventor： 张瑜 ,  李军 ,  邱文渊 ,  陈子洋 ,  孙超良 ,  李劲松

IPC: G16H30/00 ,  G06T7/33 ,  G06N3/04 ,  A61B5/055 ,  A61B5/00

Abstract: 本发明公开了一种基于图模型的脑功能配准方法，该方法以被试特定认知功能态下的脑功能活动信号为输入，以脑图模型为基础，将高维的脑功能影像数据映射到二维时间序列矩阵，构建图卷积神经网络模型用以区分不同的认知功能状态，同时利用荟萃分析方法生成脑激活分布先验图辅助预测每个被试特异性的脑功能激活模式，两者结合起来实现将每个被试的脑功能影像数据映射到可适用于大规模群体的共享表征空间，最终实现个体间精准的脑功能对齐。本方法不仅可以增强群体上的统计检验的效应量，减少脑认知功能研究中所需被试样本数，节省临床研究成本，同时在共享表征空间中生成的图表征信息还可以用于精准预测被试的脑功能状态和行为学指标。

公开(公告)号：CN117038002B

公开(公告)日：2024-02-13

申请号：CN202311292074.2

申请日：2023-10-08

Applicant: 之江实验室

Inventor： 李劲松 ,  王宝琛 ,  李军 ,  田雨 ,  周天舒

IPC: G16H20/10 ,  G06F16/242 ,  G06F16/22

Abstract: 本发明公开了一种药物评价研究中生成观察变量的方法及装置，本发明通过解析药物评价研究中所定义观察变量的生成规则，提取生成当前变量需要依赖的其他变量，构建观察变量对应的变量关联树节点，节点属性包括变量名称、父节点列表、子节点列表和生成规则等。将连通图分解为以根节点为单元的变量关联树，通过迭代的方式后序遍历根节点的所有子节点获取变量关联树中节点的生成顺序；依据每棵变量关联树对应的有序节点列表，以变量关联树为单元，采用多线程方式并行生成每颗变量关联树中所有节点对应的观察变量。本发明基于变量之间的关联关系构建了变量关联树，得到了观察变量的生成顺序，避免了现有技术中控制流的复杂性，提高了观察变量生成效率。

公开(公告)号：CN117038002A

公开(公告)日：2023-11-10

申请号：CN202311292074.2

申请日：2023-10-08

Applicant: 之江实验室

Inventor： 李劲松 ,  王宝琛 ,  李军 ,  田雨 ,  周天舒

IPC: G16H20/10 ,  G06F16/242 ,  G06F16/22

Abstract: 本发明公开了一种药物评价研究中生成观察变量的方法及装置，本发明通过解析药物评价研究中所定义观察变量的生成规则，提取生成当前变量需要依赖的其他变量，构建观察变量对应的变量关联树节点，节点属性包括变量名称、父节点列表、子节点列表和生成规则等。将连通图分解为以根节点为单元的变量关联树，通过迭代的方式后序遍历根节点的所有子节点获取变量关联树中节点的生成顺序；依据每棵变量关联树对应的有序节点列表，以变量关联树为单元，采用多线程方式并行生成每颗变量关联树中所有节点对应的观察变量。本发明基于变量之间的关联关系构建了变量关联树，得到了观察变量的生成顺序，避免了现有技术中控制流的复杂性，提高了观察变量生成效率。

公开(公告)号：CN116759096A

公开(公告)日：2023-09-15

申请号：CN202311055995.7

申请日：2023-08-22

Applicant: 之江实验室

Inventor： 李军 ,  李劲松 ,  姚廷格 ,  吴晗 ,  周天舒

IPC: G16H50/30 ,  A61B5/00 ,  A61B5/055 ,  G16H50/20 ,  G06F18/241 ,  G06F17/16 ,  G06F123/02

Abstract: 本发明公开了一种基于多重比较功能连接矩阵的疾病预测系统，该系统包括疾病预测设备和存储设备；存储设备用于存储静息态功能磁共振图像数据；疾病预测设备包括：被试获取及预处理模块用于获取静息态功能磁共振图像；脑区时间序列提取模块用于提取每个脑区的时间序列；功能连接值计算模块用于计算每个被试的所有两两脑区之间的功能连接值，得到功能连接矩阵；疾病预测模块，用于以功能连接矩阵为特征进行疾病预测。本发明通过取两两信号在不同状态下的最大相关系数从而更好地体现不同脑区功能信号之间的相关性，减弱不同脑区功能信号的非同步性及功能连接的动态变化对功能连接矩阵的影响，可以大大提高疾病预测的准确率。

公开(公告)号：CN115116607B

公开(公告)日：2022-12-13

申请号：CN202211056174.0

申请日：2022-08-30

Applicant: 之江实验室

Inventor： 张瑜 ,  陈子洋 ,  孙超良 ,  李军 ,  李劲松

IPC: G16H50/20 ,  G06T7/00 ,  G06T11/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于静息态磁共振迁移学习的脑疾病预测系统，分别获取健康成人静息态磁共振大数据集和对应脑疾病的患者静息态磁共振数据，预处理后配准到标准脑空间；通过匹配到标准脑空间的脑图谱提取各个脑区的时间信号；利用图卷积网络和门控循环网络构建深度学习模型并基于健康成人大数据集进行预训练；基于预训练模型和患者静息态功能磁共振数据进行模型微调和疾病预测。本发明提取静息态磁共振信号中的时空特征，利用健康成人的静息态磁共振大数据集对深度学习模型进行预训练，充分挖掘健康成人静息态磁共振中的固有时空特征模式，并将健康成人数据中学习到的先验时空特征模式迁移到脑疾病预测中，有效提高模型的预测性能。

公开(公告)号：CN114376558A

公开(公告)日：2022-04-22

申请号：CN202210296098.4

申请日：2022-03-24

Applicant: 之江实验室

Inventor： 张瑜 ,  邱文渊 ,  李军 ,  陈子洋 ,  孙超良 ,  李劲松

IPC: A61B5/055 ,  A61B5/245 ,  A61B5/00

Abstract: 本发明公开了一种基于磁共振和孪生图神经网络的脑图谱个体化方法及系统；首先，对静息态功能磁共振数据（rs‑fMRI）利用基于感兴趣区域的功能连接提取特征，同时对该特征进行费雪变换和指数变换；其次，对该数据集中T1加权的磁共振数据提取对应邻接矩阵；然后，以变换之后的特征和邻接矩阵作为输入，以组图谱标签和采样掩膜作为输出，设计孪生图神经网络进行训练和测试。相比于其他的rs‑fMRI个体化图谱方案，本发明利用rs‑fMRI和组图谱的数据特点设计的孪生网络架构和中心采样模式所重建的个体化脑图在任务态磁共振数据上的激活分布更加均匀，同时具有更短的重建时间。