-
公开(公告)号：CN115064262B
公开(公告)日：2024-08-06
申请号：CN202210642798.4
申请日：2022-06-08
Applicant: 华侨大学
IPC: G16H50/20 , G06T7/00 , G06N3/0442 , G06N3/08
Abstract: 本发明提供一种基于长短时记忆的阿尔兹海默症病程预测方法，包括：对脑部影像数据进行脑区形态特征提取，得到特征预处理数据，然后将所述特征预处理数据进行时序预处理，得到时序预处理数据；将所述时序预处理数据按照病例进行分组，每一个分组包括同一个病例的多次检查的预处理数据并按时间顺序排序，得到时间序列特征数据；根据深度神经网络的方法通过所述时间序列特征数据中第N次和第N+1次的检查影像对第N+2次影像的状态预测。阿尔兹海默症发展的病程较长，随着时间的推移慢慢出现症状，疾病预测有利于早期的介入治疗，延缓疾病发展过程。本发明提供的方法解决了阿尔兹海默症病程的状态预测问题，为医生的影像诊断提供有效的预测诊断辅助。
-
公开(公告)号：CN117577309A
公开(公告)日：2024-02-20
申请号：CN202311590611.1
申请日：2023-11-24
Applicant: 华侨大学
Abstract: 本发明公开了一种基于相关性度量的糖尿病足分组式特征选择方法及系统，涉及糖尿病足人工智能辅助诊断技术领域。该方法包括：获取糖尿病足数据集并进行数据清洗操作，得到预处理数据集；将预处理数据集转换成图结构数据集；基于图结构数据集将特征进行分组，得到多个特征分组；对各个特征分组内的特征进行组间分析，选出糖尿病足的高相关特征分组；对糖尿病足的高相关特征分组进行组内分析，挖掘出与糖尿病足高相关低冗余的特征。本发明公开的基于相关性度量的糖尿病足分组式特征选择方法及系统能够高效、准确地挖掘糖尿病足临床相关特征，为糖尿病足提供准确的辅助诊断依据。
-
公开(公告)号：CN115064262A
公开(公告)日：2022-09-16
申请号：CN202210642798.4
申请日：2022-06-08
Applicant: 华侨大学
Abstract: 本发明提供一种基于长短时记忆的阿尔兹海默症病程预测方法，包括：对脑部影像数据进行脑区形态特征提取，得到特征预处理数据，然后将所述特征预处理数据进行时序预处理，得到时序预处理数据；将所述时序预处理数据按照病例进行分组，每一个分组包括同一个病例的多次检查的预处理数据并按时间顺序排序，得到时间序列特征数据；根据深度神经网络的方法通过所述时间序列特征数据中第N次和第N+1次的检查影像对第N+2次影像的状态预测。阿尔兹海默症发展的病程较长，随着时间的推移慢慢出现症状，疾病预测有利于早期的介入治疗，延缓疾病发展过程。本发明提供的方法解决了阿尔兹海默症病程的状态预测问题，为医生的影像诊断提供有效的预测诊断辅助。
-
-
Search Results
3
records
(took 0.011 seconds)
