-
公开(公告)号:CN118840616B
公开(公告)日:2025-01-17
申请号:CN202411314797.2
申请日:2024-09-20
Applicant: 南京信息工程大学 , 东南大学附属中大医院
IPC: G06V10/764 , G06V10/82 , G06V10/774 , G06F18/23 , G06F18/214 , G06F18/213 , G06F18/10 , G06V10/25 , G06V10/44
Abstract: 本发明公开了基于层级脑网络图卷积深度学习的图像处理方法与系统,涉及人工智能和医学图像处理技术领域,包括:接收多模态影像数据并进行预处理;根据神经纤维束追踪结果将大脑皮层划分为高空间分辨率的脑区;提取分区的深度影像特征、深度连接特征、影像组学特征与连接组学特征;构建脑网络的层次结构树状图;分别建立聚合空间邻接节点信息的图卷积核,以及聚合脑网络连接节点信息的图卷积核;建立基于层级脑网络树状图的图池化与反池化;构建面向图分类的残差图卷积神经网络;构建面向节点分类的UNet++图卷积神经网络,该方法实现了对脑网络层次模块性的拓扑结构进行建模,为脑网络分析提供了一种有效的技术。
-
公开(公告)号:CN118840616A
公开(公告)日:2024-10-25
申请号:CN202411314797.2
申请日:2024-09-20
Applicant: 南京信息工程大学 , 东南大学附属中大医院
IPC: G06V10/764 , G06V10/82 , G06V10/774 , G06F18/23 , G06F18/214 , G06F18/213 , G06F18/10 , G06V10/25 , G06V10/44
Abstract: 本发明公开了基于层级脑网络图卷积深度学习的图像处理方法与系统,涉及人工智能和医学图像处理技术领域,包括:接收多模态影像数据并进行预处理;根据神经纤维束追踪结果将大脑皮层划分为高空间分辨率的脑区;提取分区的深度影像特征、深度连接特征、影像组学特征与连接组学特征;构建脑网络的层次结构树状图;分别建立聚合空间邻接节点信息的图卷积核,以及聚合脑网络连接节点信息的图卷积核;建立基于层级脑网络树状图的图池化与反池化;构建面向图分类的残差图卷积神经网络;构建面向节点分类的UNet++图卷积神经网络,该方法实现了对脑网络层次模块性的拓扑结构进行建模,为脑网络分析提供了一种有效的技术。
-
公开(公告)号:CN119762773A
公开(公告)日:2025-04-04
申请号:CN202411779568.8
申请日:2024-12-05
Applicant: 南京信息工程大学 , 东南大学附属中大医院
IPC: G06V10/26 , G06V10/762 , G06V10/764 , G06N20/00
Abstract: 本发明公开了基于弥散超体素的神经纤维束聚类分割方法及系统,涉及医学图像分析与人工智能技术领域,包括:接收三维脑部磁共振数据并进行预处理;使用迭代配准方法建立人群匹配的个性化弥散磁共振脑模板;建立弥散加权无向图,并基于弥散测地线距离实现弥散超体素分割;基于弥散超体素的神经纤维连接图的最大团,实现纤维束聚类;将弥散超体素配准到个体空间,并利用最大团实现纤维束个性化分割;构建纤维束簇的中心曲线并将弥散特征映射该曲线;基于置换检验建立中心曲线的统计分析方法,并建立机器学习分类模型。
-
-