-
公开(公告)号:CN118397365A
公开(公告)日:2024-07-26
申请号:CN202410592992.5
申请日:2024-05-14
Applicant: 南京理工大学
IPC: G06V10/764 , G06V10/74 , G06V10/774 , G06N3/0455 , G06N3/048 , G06N3/088 , G06N3/084 , G06T11/00
Abstract: 本发明设计了一种用于弥散磁共振影像质量评估的无监督规范学习方法及系统,首先通过自然对数方法对多b值的图像进行规范化统一,其中b为弥散敏感梯度参数;然后使用向量量化变分自动编码器(VQ‑VAE)在标准(高质量无伪影)数据集上进行训练得到模型;接着,将含有伪影的图像和无伪影图像输入前面训练好的模型,比较重建前后的结构相似度(SSIM)指标,最后进行数据的质量评估,判断是否属于标准数据,并给出检测样本属于伪影数据和标准数据的概率以便辅助专家的判断。本发明将无监督生成模型、异常检测方法应用到弥散磁共振伪影的识别上,实现了训练数据的无标签化,解决了训练数据缺乏大量带标注伪影的弊端。
-
公开(公告)号:CN118505639A
公开(公告)日:2024-08-16
申请号:CN202410607728.4
申请日:2024-05-16
Applicant: 南京理工大学
IPC: G06T7/00 , A61B5/055 , G06T5/50 , G06T5/60 , G06T11/00 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明提供了一种用于脑组织微观结构测量的低成本弥散磁共振成像方法及系统,该方法包括:通过磁共振设备进行扩散加权成像扫描,得到单壳扩散磁共振成像和T1w图像数据并且进行预处理;基于SGAN构建并训练扩展网络SGAN++,通过单壳扩散磁共振成像和T1w图像数据预测指定的不可见b值的高质量多壳球平均图像;基于扩展网络SGAN++得到的高质量多壳球平均图像进行SMT模型拟合得到任意微观结构参数。本发明突破现有技术中多壳扩散dMRI(ms‑dMRI)存在的技术困难挑战,在临床可用的基础上探测组织微观结构,并提高了对脑组织数据采集的敏感度。
-
公开(公告)号:CN118587284A
公开(公告)日:2024-09-03
申请号:CN202410720870.X
申请日:2024-06-05
Applicant: 南京理工大学
IPC: G06T7/73 , G06T9/00 , G06T7/33 , G06V10/764
Abstract: 本发明提供了一种全脑纤维连接结构快速定位方法及系统,该方法包括:根据目标全脑的T1数据与分类图谱的全脑T1数据将目标全脑纤维配准到分类图谱纤维所在全脑;将纤维进行编码到9维向量;根据分类纤维图谱生成一个从编码结果到类别的映射表;遍历一遍目标全脑纤维根据映射结果进行分类。本发明在编码纤维的过程中同时考虑了纤维的位置、形状以及方向信息并将纤维的表示压缩到了极小的维度,根据分类图谱建立编码结果到类别的映射表,使得对于配准好的目标全脑纤维分类仅需要遍历一次全脑纤维的时间,具有非常出色的运行速度。
-
公开(公告)号:CN118526183A
公开(公告)日:2024-08-23
申请号:CN202410607729.9
申请日:2024-05-16
Applicant: 南京理工大学
IPC: A61B5/055 , A61B5/00 , G06F18/15 , G06F18/214 , G06N3/0464
Abstract: 本发明提供了一种人脑组织微环境无创性快速成像方法及系统,包括:获取目标对象在多b值下的扩散磁共振数据;使用球面平均技术获取球面平均信号;建立数学模型对球面平均信号进行参数化表征;建立并训练一个神经网络;通过将参数化球面平均信号输入进网络得到一系列组织微环境参数的联合估计。本发明能够快速地、跨数据采集协议地定量描述多个人脑组织的微环境参数,促进dMRI微结构成像的临床应用。
-
公开(公告)号:CN118446995A
公开(公告)日:2024-08-06
申请号:CN202410600592.4
申请日:2024-05-15
Applicant: 南京理工大学
IPC: G06T7/00 , G06V10/762
Abstract: 本发明提供了一种用于跨物种全脑同源连接组识别的方法及系统,识别方法包括:使用纤维跟踪算法对人类与其他灵长类动物的扩散磁共振成像数据进行纤维跟踪,并对纤维上的点进行重采样;将全脑纤维特征聚类,对每一类别的纤维束进行平均得到平均纤维束中心;对全脑所有平均纤维流线计算与其他所有的平均纤维流线之间的距离构造全脑纤维局部拓扑结构图;搭建图自编码器的网络架构并输入图数据训练;使用训练后模型参数计算不同物种的编码并计算相似度。本发明规避了传统的配准过程,减少了跨物种同源连接组识别的时间。
-
-
-
-