-
公开(公告)号：CN114202023B
公开(公告)日：2024-08-23
申请号：CN202111478047.5
申请日：2021-12-06
Applicant: 大连理工大学
IPC: G06F18/241 , G06F18/2135 , G06F18/214 , G06V10/25 , G06V10/764 , G06V10/77 , G06V10/774 , G06V10/82 , G16H50/20 , G16H30/20 , G06N3/0464
Abstract: 一种利用复数fMRI数据空间源相位图进行CNN分类的方法，属于生物医学信号处理领域。首先使用ICA从复数fMRI数据中获取感兴趣成分的空间成分，然后取其空间源相位图建立样本集，再输入2D‑CNN进行分类，实现对病人与健康人分类性能的改进。例如，采用本发明对82个被试的复数静息态fMRI数据进行精神分裂症患者和健康对照被试分类，选择DMN作为感兴趣成分，使用空间源相位图的CNN分类准确率为84.43％，相比于使用空间源幅值图的分类准确率72.65％，本发明能够在样本数相同的情况下将切片识别准确率提高11.78％。
-
公开(公告)号：CN114239705A
公开(公告)日：2022-03-25
申请号：CN202111480785.3
申请日：2021-12-06
Applicant: 大连理工大学
IPC: G06K9/62 , G06N3/04 , A61B5/055 , A61B5/00 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 一种基于显著图解释多被试复数fMRI数据CNN分类结果的方法，属于生物医学信号处理领域。将单被试的切片样本送入一个训练好的CNN模型获得卷积层输出的特征图，将多通道特征图进行平均并上采样到与输入样本同样的尺寸；经过归一化、取阈值获得分类过程中所依据的显著特征，以解释单被试的分类结果；对于多个被试，将同类被试的特征图先取平均，归一化后取阈值获得分类过程中所依据的组显著特征，用于解释多被试的分类结果。从多个被试的复数静息态fMRI数据中提取DMN成分后，分别建立SSP图和SSM图的样本集，用于训练两个结构相同的CNN模型；本发明的显著图可视化方法显示出SSP图比SSM图在CNN网络的内部传递中生成了更完整、区分度更高的显著特征，提高了CNN模型分类的可信度。
-
公开(公告)号：CN110916661B
公开(公告)日：2021-06-08
申请号：CN201911144811.8
申请日：2019-11-21
Applicant: 大连理工大学
Abstract: 一种ICA‑CNN分类的fMRI脑内数据时间预滤波增广方法，属于生物医学信号处理领域。首先对fMRI脑内数据施加时间滤波，增广生成新的fMRI数据集；然后送入ICA‑CNN框架，实现对病人与健康人分类性能的改进。采用本发明对82被试的静息态fMRI数据进行病人和健康人的分类，采用三种具有不同通频带的理想带通滤波器对fMRI脑内数据进行时间滤波，生成三组fMRI数据集，然后送入ICA‑CNN框架分类。相比已有的多模型阶数数据增广方法，本发明能将分类准确率提高8.24％；若将二者结合，能将分类准确率提高21.06％。因此本发明既能独立提升网络分类性能，也容易与其他增广方法结合，显著提高分类准确率。
-
公开(公告)号：CN111046918A
公开(公告)日：2020-04-21
申请号：CN201911144803.3
申请日：2019-11-21
Applicant: 大连理工大学
Abstract: 一种ICA-CNN分类的fMRI数据空间预平滑增广方法，属于生物医学信号处理领域。首先，对fMRI观测数据施加不同FWHM的空间平滑，增广生成新的fMRI数据集；然后送入ICA-CNN框架，实现对病人与健康人分类性能的改进。采用本发明对82被试的静息态fMRI数据进行病人和健康人的分类，采用三种不同FWHM的高斯滤波器对观测数据进行空间平滑，生成三组fMRI数据集，然后送入ICA-CNN框架进行分类。相比已有的多模型阶数数据增广方法，本发明能够将分类准确率提高2％；若将二者结合，能将分类准确率提高12.71％。因此，本发明既能独立提升网络分类性能，也容易与其他增广方法结合，显著提高分类准确率。
-
公开(公告)号：CN114176518B
公开(公告)日：2023-10-10
申请号：CN202111477923.2
申请日：2021-12-06
Applicant: 大连理工大学
Abstract: 一种提高CNN分类性能的复数fMRI数据空间成分相位反校正方法，属于生物医学信号处理领域。根据感兴趣成分时间过程的实部能量最大化计算旋转角；在保持BOLD信号小相位变化特性且最大相位变化仍然是π/4的条件下，将空间成分相位值的基线从0度变换为π，从而使SSP图的相位值变为大值，与背景噪声完全分离，最后送入CNN分类，实现对病人与健康人分类性能的改进。本发明对被试的复数静息态fMRI数据进行精神分裂症患者和健康对照被试分类，挑选出DMN作为感兴趣成分，进行相位反校正及消噪，然后获取SSP图切片，建立样本集送入2D‑CNN分类。相比于相位正校正所获取SSP图的分类准确率，本发明能够将切片分类准确率提高25.5％。
-
Patent Agency Ranking
公开(公告)号：CN111046918B
公开(公告)日：2022-09-20
申请号：CN201911144803.3
申请日：2019-11-21
Applicant: 大连理工大学
Abstract: 一种ICA‑CNN分类的fMRI数据空间预平滑增广方法，属于生物医学信号处理领域。首先，对fMRI观测数据施加不同FWHM的空间平滑，增广生成新的fMRI数据集；然后送入ICA‑CNN框架，实现对病人与健康人分类性能的改进。采用本发明对82被试的静息态fMRI数据进行病人和健康人的分类，采用三种不同FWHM的高斯滤波器对观测数据进行空间平滑，生成三组fMRI数据集，然后送入ICA‑CNN框架进行分类。相比已有的多模型阶数数据增广方法，本发明能够将分类准确率提高2％；若将二者结合，能将分类准确率提高12.71％。因此，本发明既能独立提升网络分类性能，也容易与其他增广方法结合，显著提高分类准确率。
-
公开(公告)号：CN110870770B
公开(公告)日：2021-05-11
申请号：CN201911144802.9
申请日：2019-11-21
Applicant: 大连理工大学
Abstract: 一种ICA‑CNN分类的fMRI空间激活图平滑增广方法，属于生物医学信号处理领域。首先对ICA分离得到的fMRI空间激活图施加三维空间平滑，增广生成新的样本集，然后送入CNN进行分类，实现对病人与健康人分类性能的改进。采用本发明对82被试的静息态fMRI数据进行病人和健康人的分类，采用三种不同FWHM的高斯滤波器对ICA分离得到空间激活图进行空间平滑，生成三组样本集，然后送入CNN进行分类。相比已有的多模型阶数数据增广方法，本发明能够将分类准确率提高5.76％；若将二者进行结合，能够将分类准确率提高21.33％。因此本发明既能独立提升网络分类性能，也容易与其他增广方法结合，显著提高分类准确率。
-
公开(公告)号：CN114187475B
公开(公告)日：2024-09-27
申请号：CN202111511828.X
申请日：2021-12-06
Applicant: 大连理工大学
IPC: G06V10/764 , G06V10/82 , A61B5/00 , A61B5/055 , G06N3/0464 , G06N3/084
Abstract: 一种基于热力图解释多被试复数fMRI数据CNN分类结果的方法，属于生物医学信号处理领域。将单被试切片样本输入一个训练好的CNN模型，提取最后一个池化层输出的特征图；通过反向传播计算模型输出相对于特征图的梯度；将梯度加权后的特征图送入线性整流单元；经过上采样得到热力图，将模型的决策依据可视化，解释单被试分类结果。对于多个被试，将同类被试的热力图进行平均，得到组热力图，解释多被试分类结果。本发明分别计算精神分裂症患者和健康对照被试在两个CNN模型下的热力图。SSP图比SSM图给出了更完整的DMN区域以及更大的组间差异，提高了CNN分类的可信度。
-
公开(公告)号：CN114239705B
公开(公告)日：2024-08-23
申请号：CN202111480785.3
申请日：2021-12-06
Applicant: 大连理工大学
IPC: G06F18/241 , G06F18/214 , G06N3/0464 , A61B5/055 , A61B5/00 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 一种基于显著图解释多被试复数fMRI数据CNN分类结果的方法，属于生物医学信号处理领域。将单被试的切片样本送入一个训练好的CNN模型获得卷积层输出的特征图，将多通道特征图进行平均并上采样到与输入样本同样的尺寸；经过归一化、取阈值获得分类过程中所依据的显著特征，以解释单被试的分类结果；对于多个被试，将同类被试的特征图先取平均，归一化后取阈值获得分类过程中所依据的组显著特征，用于解释多被试的分类结果。从多个被试的复数静息态fMRI数据中提取DMN成分后，分别建立SSP图和SSM图的样本集，用于训练两个结构相同的CNN模型；本发明的显著图可视化方法显示出SSP图比SSM图在CNN网络的内部传递中生成了更完整、区分度更高的显著特征，提高了CNN模型分类的可信度。
-
公开(公告)号：CN114187475A
公开(公告)日：2022-03-15
申请号：CN202111511828.X
申请日：2021-12-06
Applicant: 大连理工大学
Abstract: 一种基于热力图解释多被试复数fMRI数据CNN分类结果的方法，属于生物医学信号处理领域。将单被试切片样本输入一个训练好的CNN模型，提取最后一个池化层输出的特征图；通过反向传播计算模型输出相对于特征图的梯度；将梯度加权后的特征图送入线性整流单元；经过上采样得到热力图，将模型的决策依据可视化，解释单被试分类结果。对于多个被试，将同类被试的热力图进行平均，得到组热力图，解释多被试分类结果。本发明分别计算精神分裂症患者和健康对照被试在两个CNN模型下的热力图。SSP图比SSM图给出了更完整的DMN区域以及更大的组间差异，提高了CNN分类的可信度。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.017 seconds)
