公开(公告)号：CN116310591A

公开(公告)日：2023-06-23

申请号：CN202310395993.6

申请日：2023-04-13

Applicant: 复旦大学附属华山医院

Inventor： 杨丽琴 ,  陈芷涵 ,  罗啸

IPC: G06V10/764 ,  G06V10/40 ,  G06V10/62 ,  G06V10/771

Abstract: 本发明提供了一种基于脑微结构和动静态功能的疾病分类或预测方法及系统，包括：步骤S1：获取脑多模态磁共振影像，并进行预处理；步骤S2：将对预处理后的数据进行脑功能特征的提取；步骤S3：将提取的特征进行特征筛选；步骤S4：搭建模型，对疾病数据进行预测和分类。本发明通过采用结合脑微结构和动态及静态功能特征信息，解决了单模态图像无法全面表征疾病病理变化的问题，既可用于疾病的分类，也可用于疾病进展的预测；本发明取得了较单模态、单类别特征更优的分类预测效果。

公开(公告)号：CN116468677A

公开(公告)日：2023-07-21

申请号：CN202310325959.1

申请日：2023-03-29

Applicant: 复旦大学附属华山医院

Inventor： 杨丽琴 ,  陈芷涵 ,  罗啸

IPC: G06T7/00 ,  G06V10/764 ,  G06V10/20 ,  G06V10/82 ,  G06N3/08

Abstract: 本发明提供一种基于脑网络和深度学习的MCI转化智能预测方法及系统，包括：步骤S1：获取脑结构磁共振图像数据A，和脑功能磁共振图像数据B；步骤S2：根据脑结构磁共振图像数据A，计算脑结构矩阵；步骤S3：构建脑结构深度学习分类模型；步骤S4：根据脑功能磁共振图像数据B，计算脑静态功能矩阵；步骤S5：构建脑静态功能深度学习分类模型；步骤S6：通过脑静态功能矩阵，计算脑动态功能矩阵；步骤S7：构建脑动态功能深度学习分类模型；步骤S8：构建基于多模态磁共振的深度学习分类模型，输出基于多模态磁共振的统一决策的预测分类结果。本发明能够解决单模态图像无法全面表征疾病发展过程中病理变化的问题。