公开(公告)号：CN116051545A

公开(公告)日：2023-05-02

申请号：CN202310208710.2

申请日：2023-03-07

Applicant: 复旦大学

Inventor： 田梅 ,  薛乐 ,  柴宇 ,  付钰 ,  张文博

IPC: G06T7/00 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0495 ,  G06N3/047 ,  G06N3/048 ,  G06N3/08 ,  G06N3/084

Abstract: 本发明涉及生物医学技术领域，进一步涉及影像处理、医学影像处理，具体涉及一种双模态影像的脑龄预测方法，主要提供一种双模态特征融合方法，所述双模态为MRI与PET两种医学影像；所述特征融合是基于3D卷积神经网络方法获得，包括如下步骤：S01使用两个3D卷积神经网络作为骨干网络来提取PET和MRI影像的特征；S02将两条骨干网络提取出的MRI与PET影像的特征在通道维度拼接，然后输入到压缩激励模块(Squeeze‑and‑ExcitationNetworks)；S03将激励部分的输出结果和原始的特征图相乘，得到融合通道注意力信息的特征，获得双模态特征的融合特征图。本发明基于融合MRI与PET双模态脑影像进行脑龄预测，有效保留了影像的空间信息，相较于传统的单模态影像脑龄预测方法，更为全面反映了大脑衰老过程中的变化，从而显著提升了脑龄预测精度。

公开(公告)号：CN116051545B

公开(公告)日：2024-02-06

申请号：CN202310208710.2

申请日：2023-03-07

Applicant: 复旦大学

Inventor： 田梅 ,  薛乐 ,  柴宇 ,  付钰 ,  张文博

IPC: G06T7/00 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0495 ,  G06N3/047 ,  G06N3/048 ,  G06N3/08 ,  G06N3/084

Abstract: 本发明涉及生物医学技术领域，进一步涉及影像处理、医学影像处理，具体涉及一种双模态影像的脑龄预测方法，主要提供一种双模态特征融合方法，所述双模态为MRI与PET两种医学影像；所述特征融合是基于3D卷积神经网络方法获得，包括如下步骤：S01使用两个3D卷积神经网络作为骨干网络来提取PET和MRI影像的特征；S02将两条骨干网络提取出的MRI与PET影像的特征在通道维度拼接，然后输入到压缩激励模块(Squeeze‑and‑ExcitationNetworks)；S03将激励部分的输出结果和原始的特征图相乘，得到融合通道注意力信息的特征，获得双模态特征的融合特征图。本发明基于融合MRI与PET双模态脑影像进行脑龄预测，有效保留了影像的空间信息，相较于传统的单模态影像脑龄预测方法，更为全面反映了大脑衰老过程中的变化，从而显著提升了脑龄预测精度。