基于深度学习的多模态数据分类方法、装置及计算机设备

    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

    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。

    影像转录组数据预处理方法、装置以及计算机设备

    公开(公告)号:CN117292758A

    公开(公告)日:2023-12-26

    申请号:CN202311345232.6

    申请日:2023-10-17

    Abstract: 本申请涉及一种影像转录组数据预处理方法、装置以及计算机设备。所述方法包括:根据各样本基因分析任务的样本影像转录组数据的样本预处理数据,从大脑图谱遗传数据工具箱的候选处理管道中确定样本处理管道;根据样本处理管道和样本影像转录组数据,确定样本区域基因矩阵;根据样本区域基因矩阵和样本影像转录组数据,分别确定各样本基因分析任务对应的目标区域基因矩阵,对目标区域基因矩阵进行重组处理,确定组合基因矩阵;确定矩阵特征数据,以及各样本基因分析任务的代表性策略,并确定矩阵特征数据的重要度指标;以根据代表性策略和重要度指标分别确定各样本基因分析任务的最优区域基因矩阵。提高了对影像转录组数据预处理的效率。

    基于图神经网络的多模态脑影像数据融合解码方法和装置

    公开(公告)号:CN117058514A

    公开(公告)日:2023-11-14

    申请号:CN202311315370.X

    申请日:2023-10-12

    Abstract: 本申请涉及一种基于图神经网络的多模态脑影像数据融合解码方法和装置,其中,基于图神经网络的多模态脑影像数据融合解码方法包括:获取被试者的脑磁图功率时间序列以及静息态功能磁共振成像功能连接;基于选定的脑图谱,构建脑图;使用所述被试者的所述脑磁图功率时间序列以及所述静息态功能磁共振成像功能连接对所述脑图进行图嵌入,得到嵌入后的脑图;基于所述嵌入后的脑图对图神经网络模型进行训练,获得图神经网络解码模型;使用所述图神经网络解码模型预测目标人员大脑的任务态类别,获得预测结果。本申请对多模态脑影像数据进行融合,使用图神经网络对人脑神经活动信号进行解码,提高了对脑影像数据的解码精度。

    基于多中心多模态的脑影像数据的多动症分类系统

    公开(公告)号:CN117611869A

    公开(公告)日:2024-02-27

    申请号:CN202311369418.5

    申请日:2023-10-19

    Abstract: 本申请涉及一种基于多中心多模态的脑影像数据的多动症分类系统,所述系统包括预处理模块,用于分别对目标对象的多中心多模态的脑影像数据进行对应的预处理,得到预处理后的结构像数据和功能像数据;特征提取模块,用于计算预处理后的结构像数据中特定脑区的平均灰质体积,得到第一分类特征;及基于预处理后的功能像数据中各脑区的时间序列数据进行特征提取,得到第二分类特征;分类模块,用于将第一分类特征与第二分类特征分别输入训练完备的分类模型中,输出分类结果,其中,所述分类模型用于实现所述目标对象是否属于多动症的分类,实现了多中心多模态脑影像数据的多动症分类识别,提高多中心多模态脑影像数据的分类速度和准确率。

    脑磁图数据的溯源重建方法、装置、电子装置和介质

    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

    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.

    一种基于深度学习的图像拼接方法、装置及计算机设备

    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

    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。

    基于图神经网络的多模态脑影像数据融合解码方法和装置

    公开(公告)号:CN117058514B

    公开(公告)日:2024-04-02

    申请号:CN202311315370.X

    申请日:2023-10-12

    Abstract: 本申请涉及一种基于图神经网络的多模态脑影像数据融合解码方法和装置,其中,基于图神经网络的多模态脑影像数据融合解码方法包括:获取被试者的脑磁图功率时间序列以及静息态功能磁共振成像功能连接;基于选定的脑图谱,构建脑图;使用所述被试者的所述脑磁图功率时间序列以及所述静息态功能磁共振成像功能连接对所述脑图进行图嵌入,得到嵌入后的脑图;基于所述嵌入后的脑图对图神经网络模型进行训练,获得图神经网络解码模型;使用所述图神经网络解码模型预测目标人员大脑的任务态类别,获得预测结果。本申请对多模态脑影像数据进行融合,使用图神经网络对人脑神经活动信号进行解码,提高了对脑影像数据的解码精度。

    基于深度学习的多模态数据分类方法、装置及计算机设备

    公开(公告)号:CN117036894A

    公开(公告)日:2023-11-10

    申请号:CN202311297044.0

    申请日:2023-10-09

    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。

Patent Agency Ranking