公开(公告)号：CN119028586A

公开(公告)日：2024-11-26

申请号：CN202411155732.8

申请日：2024-08-22

Applicant: 华侨大学

Inventor： 洪欣 ,  汪闹 ,  罗远森

IPC: G16H50/30 ,  G16H50/70 ,  G06V10/764 ,  G06V10/20 ,  G06V10/44 ,  G06V10/24 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明公开了一种基于领域适应的阿尔兹海默症进程识别方法及系统，方法包括如下步骤：对脑部影像数据进行预处理，得到源域图像；对源域图像进行数据增强处理，获得增强后的源域图像作为目标域图像；利用目标域图像与源域图像训练阿尔兹海默症进程识别模型；利用训练好的阿尔兹海默症进程识别模型实现阿尔兹海默症进程识别；所述阿尔兹海默症进程识别模型包括特征编码器和分类器，特征编码器提取待识别图像的特征，分类器基于提取的特征进行分类，识别进程。本发明通过提出一个领域损失函数约束模型的学习和对齐源域与目标域特征的特征表达，使模型学习到具有领域不变性质的特征，缓解了不同站点的数据的差异对模型诊断性能的影响。

公开(公告)号：CN119361087A

公开(公告)日：2025-01-24

申请号：CN202411369620.2

申请日：2024-09-29

Applicant: 华侨大学

Inventor： 洪欣 ,  汪闹 ,  罗远森

IPC: G16H30/00 ,  G16H50/20 ,  G16H50/30 ,  G06T7/00 ,  G06T7/30 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82

Abstract: 本发明公开了一种基于坐标注意力的阿尔兹海默症病程预测方法及系统，方法包括以下步骤：原始影像进行预处理方法，剥离脑壳，并进行方向矫正及模板配准，得到输入影像数据；采用深度神经网络模型进行阿尔兹海默症病程预测；所述深度神经网络模型包括特征编码模块和注意力指导模块，特征编码模块基于坐标注意力对输入影像数据进行特征编码，编码后的特征数据输入到注意力指导模块；注意力指导模块结合类别信息和特征数据以精炼目标区域位置的特征，再通过分类器根据对当前影像进行病程预测。本发明结合坐标注意力机制和分类激活映射方法，有效预测阿尔兹海默症病程状态。

公开(公告)号：CN119028585A

公开(公告)日：2024-11-26

申请号：CN202411155731.3

申请日：2024-08-22

Applicant: 华侨大学

Inventor： 洪欣 ,  汪闹

IPC: G16H50/30 ,  G16H50/70 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于多尺度特征的阿尔兹海默症病程预测方法及系统，方法包括以下步骤：获取原始脑部影像并进行预处理，获得三维全脑图像作为待预测图像；将待预测图像输入阿尔茨海默症3D特征提取模型，实现病程预测；所述阿尔茨海默症3D特征提取模型包括输入层、多个依次排列的改进ResNet块、平均池化模块和全连接模块；所述改进ResNet块采用3D空洞卷积进行不同尺度的特征提取，采用注意力机制进多尺度特征融合。本发明通过多尺度方法提取脑影像特征，能够更加准确捕获到疾病的重要病理特征，提高定位病理区域的准确性；通过多尺度特征融合不同尺度的脑影像特征，能够更好地强化重要特征的表达同时抑制无关的信息，有效诊断阿尔兹海默症病程状态。