公开(公告)号：CN119132557A

公开(公告)日：2024-12-13

申请号：CN202311536439.1

申请日：2023-11-17

Applicant: 东北电力大学

Inventor： 奚洋 ,  王千 ,  张秋实 ,  曹杰 ,  陈丹丹 ,  兰竹 ,  陈营

IPC: G16H50/20 ,  G16H50/70 ,  G16B20/20 ,  G16B40/00 ,  G06T7/00 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06F18/2415 ,  G06F18/2431 ,  G06F18/25 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于多模态数据的阿尔兹海默病诊断方法与相关性分析，属于阿尔兹海默病诊断技术领域，步骤包括，选取两种模态的阿尔兹海默症数据集；对MPI数据预处理；对SNP数据预处理；构建处理MPI数据和SNP数据的模型，还公开了基于多模态数据阿尔兹海默病诊断方法的相关性分析。本发明采用一种基于多模态数据的阿尔兹海默病诊断方法与相关性分析，二维MRI切片、形态学特征和单核苷酸多态性相结合，建立成像数据和遗传数据的联系，提高了诊断阿尔兹海默并的敏感性和准确性。

公开(公告)号：CN118352082A

公开(公告)日：2024-07-16

申请号：CN202410509044.0

申请日：2024-04-26

Applicant: 东北电力大学

Inventor： 奚洋 ,  王千 ,  曲朝阳 ,  曹杰 ,  兰竹 ,  陈营

IPC: G16H50/30 ,  G16H50/70 ,  G16B30/00 ,  G16B40/00 ,  G06F18/213 ,  G06F18/25 ,  G06F18/2415

Abstract: 本发明公开了一种基因序列和大脑灰质特征的阿尔茨海默病预测方法，涉及计算机科学技术领域，包括预测框架，所述预测框架由多模态特征提取网络、特征融合模块与预测输出层组成；所述多模态特征提取网络包含三个可变参数的隐藏层，能根据输入数据的特点动态调整神经元数量及网络参数，所述特征融合模块通过跨模态注意力机制捕捉对形态学特征、sMRI和SNPs之间的交互作用，实现特征的融合，此基因序列和大脑灰质特征的阿尔茨海默病预测方法，通过该方法，同时考虑形态学特征、sMRI和SNPs多种模态的数据，该方法能够捕捉到更为全面和丰富的信息，从而提高情感识别的准确性和可靠性，多模态数据的融合有助于捕捉不同数据之间的互补性，使得识别结果更加精确。

公开(公告)号：CN118352082B

公开(公告)日：2024-11-12

申请号：CN202410509044.0

申请日：2024-04-26

Applicant: 东北电力大学

Inventor： 奚洋 ,  王千 ,  曲朝阳 ,  曹杰 ,  兰竹 ,  陈营

IPC: G16H50/30 ,  G16H50/70 ,  G16B30/00 ,  G16B40/00 ,  G06F18/213 ,  G06F18/25 ,  G06F18/2415

Abstract: 本发明公开了一种基因序列和大脑灰质特征的阿尔茨海默病预测方法，涉及计算机科学技术领域，包括预测框架，所述预测框架由多模态特征提取网络、特征融合模块与预测输出层组成；所述多模态特征提取网络包含三个可变参数的隐藏层，能根据输入数据的特点动态调整神经元数量及网络参数，所述特征融合模块通过跨模态注意力机制捕捉对形态学特征、sMRI和SNPs之间的交互作用，实现特征的融合，此基因序列和大脑灰质特征的阿尔茨海默病预测方法，通过该方法，同时考虑形态学特征、sMRI和SNPs多种模态的数据，该方法能够捕捉到更为全面和丰富的信息，从而提高情感识别的准确性和可靠性，多模态数据的融合有助于捕捉不同数据之间的互补性，使得识别结果更加精确。

公开(公告)号：CN119132557B

公开(公告)日：2025-03-14

申请号：CN202311536439.1

申请日：2023-11-17

Applicant: 东北电力大学

Inventor： 奚洋 ,  王千 ,  张秋实 ,  曹杰 ,  陈丹丹 ,  兰竹 ,  陈营

IPC: G16H50/20 ,  G16H50/70 ,  G16B20/20 ,  G16B40/00 ,  G06T7/00 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06F18/2415 ,  G06F18/2431 ,  G06F18/25 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于多模态数据的阿尔兹海默病诊断方法与相关性分析，属于阿尔兹海默病诊断技术领域，步骤包括，选取两种模态的阿尔兹海默症数据集；对MPI数据预处理；对SNP数据预处理；构建处理MPI数据和SNP数据的模型，还公开了基于多模态数据阿尔兹海默病诊断方法的相关性分析。本发明采用一种基于多模态数据的阿尔兹海默病诊断方法与相关性分析，二维MRI切片、形态学特征和单核苷酸多态性相结合，建立成像数据和遗传数据的联系，提高了诊断阿尔兹海默并的敏感性和准确性。