-
公开(公告)号:CN119169398B
公开(公告)日:2025-03-18
申请号:CN202411674769.1
申请日:2024-11-21
Applicant: 北京邮电大学
IPC: G06V10/764 , A61B5/00 , G16H50/20 , G06N3/0499 , G06T7/00 , G06V10/422 , G06V10/44 , G06V10/82
Abstract: 本申请提供阿尔茨海默病预测模型训练方法、阿尔茨海默病预测方法及设备,训练方法包括:采用磁共振成像样本的脑室轮廓点云及第一深度学习模型得到第一阿尔茨海默病预测结果数据;采用经协变量校正后的脑室体积比数据及第二深度学习模型得到第二阿尔茨海默病预测结果数据;将第一阿尔茨海默病预测结果数据、第二阿尔茨海默病预测结果数据以及分类标签集中训练SVM模型以用于预测阿尔茨海默病预测融合结果。本申请能够聚焦脑室形态学特征并实现脑室形状的精准刻画,能够有效消除无关因素干扰,能够采用脑室多维数据进行集成学习,并能够有效提高阿尔茨海默病预测模型的分类性能和泛化能力,进而能够有效提高阿尔茨海默病预测效率及准确性。
-
公开(公告)号:CN119919291A
公开(公告)日:2025-05-02
申请号:CN202510416238.0
申请日:2025-04-03
Applicant: 北京邮电大学
IPC: G06T3/4053 , G06T3/4046 , G06T17/00 , G06N3/0464 , G06N3/048
Abstract: 本申请提供结构磁共振超分辨率图像重建模型训练方法、重建方法及设备,涉及图像处理技术领域,训练方法包括:对结构磁共振图像进行各向异性下采样以得到用于模拟临床结构磁共振低分辨率图像的目标低分辨率图像;基于参考结构磁共振图像生成目标低分辨率图像对应的图像样本,并基于图像样本和结构磁共振图像训练深度学习模型,以将该深度学习模型训练为用于将图像样本重建为超分辨率图像的结构磁共振超分辨率图像重建模型。本申请能够提高图像样本模拟临床中厚层扫描的低分辨率图像的有效性及合理性,能够提高采用图像样本训练结构磁共振超分辨率图像重建模型的有效性及可靠性,进而能够提高采用该模型重建超分辨率图像的精度及可靠性。
-
公开(公告)号:CN119169398A
公开(公告)日:2024-12-20
申请号:CN202411674769.1
申请日:2024-11-21
Applicant: 北京邮电大学
IPC: G06V10/764 , A61B5/00 , G16H50/20 , G06N3/0499 , G06T7/00 , G06V10/422 , G06V10/44 , G06V10/82
Abstract: 本申请提供阿尔茨海默病预测模型训练方法、阿尔茨海默病预测方法及设备,训练方法包括:采用磁共振成像样本的脑室轮廓点云及第一深度学习模型得到第一阿尔茨海默病预测结果数据;采用经协变量校正后的脑室体积比数据及第二深度学习模型得到第二阿尔茨海默病预测结果数据;将第一阿尔茨海默病预测结果数据、第二阿尔茨海默病预测结果数据以及分类标签集中训练SVM模型以用于预测阿尔茨海默病预测融合结果。本申请能够聚焦脑室形态学特征并实现脑室形状的精准刻画,能够有效消除无关因素干扰,能够采用脑室多维数据进行集成学习,并能够有效提高阿尔茨海默病预测模型的分类性能和泛化能力,进而能够有效提高阿尔茨海默病预测效率及准确性。
-
-