-
公开(公告)号：CN117036894B
公开(公告)日：2024-03-26
申请号：CN202311297044.0
申请日：2023-10-09
Applicant: 之江实验室
IPC: G06V10/80 , G06V10/764 , G06V10/774 , G06V10/26 , G06V10/74 , G06V10/82 , G06N3/08
Abstract: 本申请涉及一种基于深度学习的多模态数据分类方法、装置及计算机设备。所述方法包括：获取待分类数据，所述待分类数据至少包括医学图像以及人口学信息；基于所述待分类数据确定数据特征，所述数据特征包括图像特征以及人口学信息特征，所述图像特征通过将所述医学图像输入特征提取模型得到；将所述数据特征输入训练好的分类器，确定分类结果。通过特征提取模型提取图像特征，并综合考虑图像特征和人口学信息特征，通过分类器确定分类结果，能够在待分类数据包括多种数据类型的多模态数据的情况下对待分类数据进行分类，有效提高分类结果的准确性。
-
公开(公告)号：CN116503680B
公开(公告)日：2023-08-29
申请号：CN202310787084.7
申请日：2023-06-30
Applicant: 之江实验室
IPC: G06V10/764 , G06V10/774 , G06T7/00 , G06V10/80 , G06T3/40 , G06N3/0464 , G06N3/09 , G16H30/00
Abstract: 本申请涉及人工智能领域，特别是涉及一种基于脑图谱的脑影像结构化分析和脑疾病分类系统，包括：脑图谱标准化模块，用于基于多种脑图谱构建的脑图谱库实现脑图谱标准化；结构化映射模块，用于将多模态脑影像样本数据映射到脑图谱所在的标准空间，提取多模态脑影像样本数据的影像学指标；图构建模块，用于构建不同脑图谱所对应的图；图表征提取模块，用于提取图的图表征；非影像数据处理模块，用于对获取的非影像数据进行预处理和标准化；训练模块，用于利用预处理和标准化后的非影像数据与图表征的融合特征来训练分类器；分类模块，用于利用训练完成的分类器对采集得到的多模态脑影像数据进行分类。本发明提高脑疾病分类的准确性。
-
公开(公告)号：CN115359045B
公开(公告)日：2023-03-17
申请号：CN202211276172.2
申请日：2022-10-19
Applicant: 之江实验室
Abstract: 本发明公开了一种基于多模态磁共振成像的图卷积神经网络疾病预测系统,从多模态的磁共振数据中提取多个脑区跨模态下的影像组学信息作为节点的特征，提取脑区间的连接组学信息构成邻接矩阵。T1加权结构像通过皮层重建来进行皮层信息提取，静息态磁共振数据用于计算低频振幅，局部一致性以及功能连接。通过多模态数据预处理、影像指标提取和结构化数据整合，将多模态的非结构化磁共振影像数据整合成统一的图结构数据，用图卷积神经网络的方法对疾病进行预测。以本发明计算得到的多模态特征进行疾病预测，可以更好地融合多个脑区跨模态的生理学指标以及脑区之间的相关性并提高模型的预测能力和模型在不同疾病下的泛化能力。
-
公开(公告)号：CN115359305B
公开(公告)日：2023-01-10
申请号：CN202211276171.8
申请日：2022-10-19
Applicant: 之江实验室
Abstract: 本发明公开了一种大脑纤维束异常区域精准定位系统,该系统从扩散磁共振数据中提取全脑的纤维连接，通过自定义纤维束通路或者基于大脑纤维束模板提取纤维束通路。将选定的纤维束通路投射到全脑的纤维连接结果上并进行精细地分段。用扩散磁共振数据计算各向异性分数，平均扩散率，神经突内容积比以及方向分散度等影像学指标，从而得到每条纤维束通路每个节点上的影像学指标，用机器学习的方法在疾病组和健康组之间用这些影像学指标做分类，可以精准定位不同疾病下哪些纤维束通路上的哪些节点发生了异常变化。本发明采用球面约束反卷积重建方法，估计每个体素上的纤维走向函数，来重建每个体素上的纤维分布，可以有效解决纤维交叉的问题。
-
公开(公告)号：CN115359045A
公开(公告)日：2022-11-18
申请号：CN202211276172.2
申请日：2022-10-19
Applicant: 之江实验室
Abstract: 本发明公开了一种基于多模态磁共振成像的图卷积神经网络疾病预测系统,从多模态的磁共振数据中提取多个脑区跨模态下的影像组学信息作为节点的特征，提取脑区间的连接组学信息构成邻接矩阵。T1加权结构像通过皮层重建来进行皮层信息提取，静息态磁共振数据用于计算低频振幅，局部一致性以及功能连接。通过多模态数据预处理、影像指标提取和结构化数据整合，将多模态的非结构化磁共振影像数据整合成统一的图结构数据，用图卷积神经网络的方法对疾病进行预测。以本发明计算得到的多模态特征进行疾病预测，可以更好地融合多个脑区跨模态的生理学指标以及脑区之间的相关性并提高模型的预测能力和模型在不同疾病下的泛化能力。
-
Patent Agency Ranking
公开(公告)号：CN115349833A
公开(公告)日：2022-11-18
申请号：CN202211276610.5
申请日：2022-10-19
Applicant: 之江实验室
Abstract: 本发明公开了一种基于解码的实时功能磁共振神经反馈调控系统及装置。包括：行为学模块：用于得到被试者的记忆准确率；解码模型训练模块：用于所述图模型数据和所述解码标签作为解码模型的输入进行模型训练，获取最优解码模型；实时解码神经反馈模块：用于利用所述最优解码模型实时预测被试者包含记忆状态和非记忆状态的实时状态信息及实时准确率，并以不同的图片形式反馈给被试者，被试者利用调节策略调节反馈信息，自主训练工作记忆能力。本发明利用解码实时功能磁共振神经反馈技术提高或者改善被试者的工作记忆水平，并且提高被试者对于注意力网络和工作记忆网络的自我控制。本发明可应用于阿尔茨海默病等患者的临床治疗。
-
公开(公告)号：CN115336983A
公开(公告)日：2022-11-15
申请号：CN202211276173.7
申请日：2022-10-19
Applicant: 之江实验室
Abstract: 本发明公开了一种基于单个脑区功能磁共振神经反馈的工作记忆调控系统，该系统进行测量被试记忆力水平的行为学实验，给被试呈现熟悉预设面孔的图片并要求记忆图片顺序，接着识别不同图片的相对位置；利用识别正确时的记忆编码阶段磁共振信号计算出显著激活的记忆脑区作为神经反馈训练的靶点；接着在神经反馈任务中提取该靶点当前时间与前一个时间点的信号变化百分比并生成神经反馈信号，指导被试自主地调节靶点活动。本发明通过对工作记忆相关脑区进行定位并利用实时功能磁共振神经反馈训练调控记忆脑区，用于增强被试的工作记忆能力，对治疗轻度认知障碍患者和老年痴呆患者的记忆力减退具有重要的研究意义。
-
公开(公告)号：CN118279158B
公开(公告)日：2024-10-11
申请号：CN202410704674.3
申请日：2024-06-03
Applicant: 之江实验室
IPC: G06T5/00 , G06T11/00 , G06V10/764 , G06V10/40 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/08
Abstract: 本申请涉及一种磁共振脑影像的质量提升方法、装置及计算机设备，包括根据脑影像数据的模态构建质量评估指标，基于所述质量评估指标构建分类模型，将多模态脑影像数据集输入所述分类模型进行评估，得到低质量脑影像数据，借助扩散模型对所述低质量脑影像数据进行重建，得到目标高质量脑影像数据。通过使用低质量和高质量同时作为输入数据，将高质量特征和低质量特征进行融合，把实际质量评估中判定的低质量脑影像数据输入训练好的模型，有助于提高图像的质量和分辨率，提供更准确的诊断和更详细的解剖结构信息，对于早期疾病检测、定量分析和治疗计划都具有重要意义。
-
公开(公告)号：CN116863025B
公开(公告)日：2023-12-05
申请号：CN202311136376.0
申请日：2023-09-05
Applicant: 之江实验室
IPC: G06T11/00
Abstract: 本申请涉及一种脑磁图数据的溯源重建方法、装置、电子装置和介质，其中，该方法包括：获取目标对象的待处理脑磁图数据；对待处理脑磁图数据进行标准化预处理，以及事件相关场分析，得到事件相关场结果；基于目标对象的磁共振结构像数据构建目标对象的头部模型，并基于用户指令构建源空间；基于头部模型与源空间计算正向解；基于事件相关场结果以及正向解进行溯源重建，得到源空间的源估计结果；基于源空间的源估计结果以及标准空间中脑图谱模板，生成脑图谱溯源重建结果。通过本申请，解决了脑磁图数据溯源重建结果通用性较低的问题，借助神经影像领域常用的脑图谱工具，给脑磁图数据处理和分析流程增加了一定的通用性和可比较(56)对比文件胡净,汪元美.基于最小模估计及Tikhonov正则方法的脑磁源重建.生物物理学报.2002,(第02期),全文.
-
公开(公告)号：CN116188269A
公开(公告)日：2023-05-30
申请号：CN202310201524.6
申请日：2023-02-23
Applicant: 之江实验室
IPC: G06T3/40 , G06T5/00 , G06F17/16 , G06N3/08 , G06N3/0464
Abstract: 本申请涉及一种基于深度学习的图像拼接方法、装置及计算机设备。该方法包括：构建仿真图像集；构建包含对齐网络及融合网络的初始拼接网络，利用仿真图像集对初始拼接网络进行训练，得到训练后的拼接网络；对待拼接的局部图像进行预处理，对经过预处理后的局部图像的尺寸进行调整，得到待预测图像；将待预测图像依次输入训练后的拼接网络中进行拼接，得到拼接完成的输出图像。通过构建和训练得到一个包括对齐网络、变换模块和融合网络的训练后的拼接网络，并将多张待预测图像输入训练后的拼接网络进行图像拼接，拼接过程中无需手动调参，可直接用于多种图像，具有更快的速度以及更高的精度。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.021 seconds)
