-
公开(公告)号：CN103431912B
公开(公告)日：2016-04-13
申请号：CN201310325208.6
申请日：2013-07-30
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种分离式多模融合三维断层成像系统及其方法。所述系统包括：数据源发射模块：其分别发射X射线和激发光光源对样本进行照射；数据采集模块：其用于探测经过样本的X射线剂量，以及接受从样本激发出的荧光信息；控制系统及数据传输模块：其用于控制系统中各模块的有序运转；数据处理模块：其对采集到的样本成像数据进行处理，三维重建出样本的结构信息和光源分布信息。本发明能够实现实时、无损的生物体内激发荧光成像和X射线断层成像的多模态影像获取，能快速地得到成像样品的生物信息，在物理位置上克服了模态间的相互影响，同时也能使成像样品的不同模态数据在物理位置上得以良好的融合。
-
公开(公告)号：CN103345749B
公开(公告)日：2016-04-13
申请号：CN201310263230.2
申请日：2013-06-27
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及一种基于模态融合的大脑网络功能连接偏侧性检测方法，该方法包括以下步骤：首先，对fMRI图像进行预处理，并提取大脑网络左右半球内脑区的空间三维坐标信息；其次，基于fMRI图像提取的脑区的空间三维坐标信息，从经过预处理后的MEG数据中提取出对应的时间序列信息；然后，利用MEG数据提取的脑区的时间序列，进行脑区之间的功能连接度分析；最后，计算大脑网络脑区之间功能连接的偏侧性指数。本发明所述方法是一种有效的基于磁共振和脑磁图模态融合的大脑网络功能连接偏侧性检测方法，能够比传统的仅利用fMRI图像的检测方法更完整、全面地检测大脑网络功能连接的偏侧性。
-
公开(公告)号：CN103519789A
公开(公告)日：2014-01-22
申请号：CN201310507346.6
申请日：2013-10-24
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种集成光声与X射线断层成像的分离式成像系统，包括：数据源发射设备，用于分别发射X射线和激发光光源以对样本进行照射；数据采集设备，用X射线探测器探测经过样本的X射线剂量，以及用光声探测器接收样本激发出的光声信号；控制及数据传输设备，用于控制滚筒的旋转获得不同角度的投影数据，并传输给数据处理设备，其中滚筒上固定数据源发射设备和数据采集设备；数据处理设备，用于对采集到的各模态数据进行后处理。本发明能够快速地得到成像样本的生物信息，在物理位置上克服了模态间的相互影响，同时也能使成像样本的不同模态数据在物理位置上得以良好的融合。
-
公开(公告)号：CN103345749A
公开(公告)日：2013-10-09
申请号：CN201310263230.2
申请日：2013-06-27
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及一种基于模态融合的大脑网络功能连接偏侧性检测方法，该方法包括以下步骤：首先，对fMRI图像进行预处理，并提取大脑网络左右半球内脑区的空间三维坐标信息；其次，基于fMRI图像提取的脑区的空间三维坐标信息，从经过预处理后的MEG数据中提取出对应的时间序列信息；然后，利用MEG数据提取的脑区的时间序列，进行脑区之间的功能连接度分析；最后，计算大脑网络脑区之间功能连接的偏侧性指数。本发明所述方法是一种有效的基于磁共振和脑磁图模态融合的大脑网络功能连接偏侧性检测方法，能够比传统的仅利用fMRI图像的检测方法更完整、全面地检测大脑网络功能连接的偏侧性。
-
公开(公告)号：CN102506950B
公开(公告)日：2013-06-05
申请号：CN201110347643.X
申请日：2011-11-07
Applicant: 中国科学院自动化研究所
IPC: G01F1/708
Abstract: 本发明是一种检测电磁泵自由流量和反压流量的装置及检测方法，所述装置包括三个水槽、安全阀、压力传感器、电磁泵、阀门、三个电磁阀、溢流阀、柱状水管、两个液位开关、输入输出板及计算机，利用所述装置实现检测电磁泵自由流量和反压流量的方法：打开主控制阀门和第二电磁阀，关闭第一和第三电磁阀，让水路形成一个自由流通的水路；当需要测试流量参数时，利用电磁泵将柱状水管内的液体上升，由计算机记录并计算液体经过两个液位开关的时间差和两个液位开关之间的液体体积，得到自由流量；打开第三电磁阀，排空柱状水管内的液体，关闭第二电磁阀，打开第一电磁阀，由于溢流阀的存在，维持电磁泵始终处于设定的压力之中，来完成反压流量的测量。
-
Patent Agency Ranking
公开(公告)号：CN110969204B
公开(公告)日：2023-05-12
申请号：CN201911199840.4
申请日：2019-11-29
Applicant: 中国科学院自动化研究所
IPC: G06V10/764 , G06V10/25 , G06V10/80 , G06V10/56 , G06V10/26
Abstract: 本发明属于医学图像处理技术领域，具体涉及一种基于磁共振图像与数字病理图像融合的样本分类系统，旨在解决现有影像学或病理学的单一样本分类的局限性，导致样本分类精度较低的问题。本系统包括获取图像模块，配置为获取第一、第二图像；预处理模块，配置为对第一、第二图像进行预处理；勾画模块，配置为通过勾画方法获取预处理后各图像的感兴趣区域，并进一步处理；提取特征模块，配置为分别提取处理后的各图像感兴趣区域的特征；筛选排序模块，配置为对提取的特征进行筛选排序；分类输出模块，配置为将筛选排序后的特征，通过分类模型得到分类结果。本发明将磁共振图像和数字病理图像进行融合，解决了单一样本分类的缺陷，提高了分类的精度。
-
公开(公告)号：CN112257769B
公开(公告)日：2022-10-21
申请号：CN202011119554.5
申请日：2020-10-19
Applicant: 中国科学院自动化研究所
IPC: G06V10/764 , G06V10/774 , G06V10/25 , G06V10/26 , G06N3/04 , G06N3/08
Abstract: 本发明属于图像处理技术领域，具体涉及了一种基于强化学习类脑读图的多层核磁影像分类方法及系统，旨在解决现有模型在多层核磁影像分类中性能不佳的问题。本发明包括：将多层核磁影像拆为单层；通过特征编码与预测模型进行第t个核磁影像的编码和感知，获得低维深度特征和分类结果；基于低维深度特征，通过行动策略生成模型获取行动指令xt；若xt不为0，则进行t+xt层影像的特征编码与预测、行动指令生成以及判断，直至行动指令为0；以指令为0的影像的层级分类结果作为多层核磁影像的分类结果。本发明对每一层核磁影像实施逐像素分析保证层级分类正确，并可准确定位真正对最终决策有贡献的层级，进而实现更加精准的多样本多分类任务。
-
公开(公告)号：CN105653858A
公开(公告)日：2016-06-08
申请号：CN201511021413.9
申请日：2015-12-31
Applicant: 中国科学院自动化研究所
CPC classification number: G06F19/34 , G06F19/321
Abstract: 一种基于影像组学的病变组织辅助预测系统及方法，该方法包括：从大数据量的患者影像数据库中，采用自动或手动的分割方法提取病变部位的影像数据；根据所述病变部位影像的分割结果，分别提取各病变部位的影像表型特征，完成所述患者影像数据库内所有病变部位影像数据的特征提取；基于各病变部位的特征数据和临床信息数据，对所述患者影像数据库中数据进行训练数据集和测试数据集的分类，采用计算机自动识别方法在所述训练数据集进行病变部位的病理分析、临床分期分析、基因突变预测以及生存时间的预测，并在所述测试数据集中实现验证。本发明方法可以对特定的个体分别进行定性以及定量的预测分析，提供可信的预测与分析结果。
-
公开(公告)号：CN102855491B
公开(公告)日：2016-03-09
申请号：CN201210262108.9
申请日：2012-07-26
Applicant: 中国科学院自动化研究所
IPC: G06K9/62
Abstract: 本发明公开了一种基于网络中心性的脑功能磁共振图像分类方法，包括：对脑功能磁共振图像进行预处理，然后进行脑区分割，并提取各个脑区的平均时间序列；计算平均各个时间序列之间的偏相关系数，得到偏相关系数矩阵；将偏相关系数矩阵二值化，得到脑网络模型；计算网络中各节点的网络中心性；利用自适应提高分类器对脑功能磁共振图像进行分类，并采用留一交叉验证的测试方法对自适应提高分类器进行检验。本发明利用脑功能磁共振图像构建了脑功能网络，利用了网络拓扑结构信息进行分类，能够精确的对脑功能磁共振图像进行分类。
-
公开(公告)号：CN103020653B
公开(公告)日：2015-07-22
申请号：CN201210526134.8
申请日：2012-12-07
Applicant: 中国科学院自动化研究所
IPC: G06K9/66
Abstract: 提供了一种基于网络分析的结构和功能磁共振图像联合分类方法。首先建立结构和功能的脑网络模型，计算脑网络的特征路径长度、集群度和网络中心性，用以表征不同的图像模式；然后利用这些网络参数来训练一个自适应提高分类器。本发明能够利用磁共振图像中尽可能多的信息，脑网络参数能够从本质上反应脑的活动，同时采用了多分类器技术，弥补了传统分类方法不能体现脑活动固有属性的不足，能够精确的对脑磁共振图像进行分类。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.039 seconds)
