-
公开(公告)号：CN118710977A
公开(公告)日：2024-09-27
申请号：CN202410846315.1
申请日：2024-06-27
Applicant: 常州大学
IPC: G06V10/764 , G06V10/25 , G06V10/20 , G06N3/042 , G06V10/762 , G06V10/771 , G06V10/30 , G06V10/24
Abstract: 本发明涉及脑超图处理技术领域，尤其涉及一种基于低秩化超图的大脑功能网络构建方法，包括采集磁共振图像并进行预处理，得到大脑感兴趣区域的时间序列；利用皮尔逊相关系数构建大脑功能网络；构建超图并计算其拉普拉斯矩阵，通过图流形正则化将超图结构信息引入超图结构信息的大脑功能网络；利用张量低秩近似消除超图结构信息的大脑功能网络中的噪声，得到基于低秩化超图的大脑功能网络；计算大脑功能网络的加权聚类系数，并通过T检验进行特征选择，筛选出表征良好的特征向量；采用十折交叉验证和支持向量机进行分类。本发明解决脑区中高阶关系信息过于冗余，噪音和大脑功能网络的稳定性差的问题。
-
公开(公告)号：CN106021949B
公开(公告)日：2019-03-22
申请号：CN201610374806.6
申请日：2016-05-31
Applicant: 常州大学
Abstract: 本发明公开了一种大脑默认网络的功能连接分析方法。对功能磁共振图像进行预处理，并选取默认模式脑区；将脑区定义为节点，脑区之间的联系定义为边，构成一个含有若干节点的默认模式网络；分析默认模式网络的节点度、集聚系数、最短路径长度，分别应用迪杰斯特拉算法和改进蚁群算法计算默认模式网络的平均距离和哈密顿路径距离，研究默认模式网络节点间的连接特征；找出脑疾病患者和正常人的默认模式网络是否具有相同的平均距离和哈密顿路径，判断两者在相同哈密顿路径方向时是否具有相同的路径长度。本发明通过分析默认模式网络的功能连接，探索正常人与脑疾病患者大脑功能的差异，在认知功能研究、精神疾病诊疗等方面具有一定的应用价值。
-
公开(公告)号：CN106447023B
公开(公告)日：2019-03-05
申请号：CN201610691569.6
申请日：2016-08-18
Applicant: 常州大学
Abstract: 本发明涉及一种基于模体结构的大脑默认网络有向连接分析方法。对大脑fMRI图像进行格式转换、预处理和低频滤波，并与标准分区模板匹配；对fMRI图像进行ALFF计算，提取相关脑区的时间序列进行Granger因果分析，构建默认网络；搜索网络中存在的模体结构，确定模体的种类及数量；根据p值、Z得分等指标判断模体在默认网络有向连接中的重要程度；计算模体中的节点度和模体平均距离，分析脑区在模体和默认网络中的作用及信息传递速率；对患者组与正常人组进行统计分析，通过模体分布情况找出默认网络有向连接的显著差异。该方法有助于区分脑疾病患者与正常人默认网络的功能性差异，对于脑疾病的诊断和治疗具有一定的参考价值。
-
公开(公告)号：CN106021949A
公开(公告)日：2016-10-12
申请号：CN201610374806.6
申请日：2016-05-31
Applicant: 常州大学
CPC classification number: G06T3/0068 , G06T5/002 , G06T5/006 , G06T2207/10088 , G06T2207/20024 , G06T2207/30016 , G16H50/20
Abstract: 本发明公开了一种大脑默认网络的功能连接分析方法。对功能磁共振图像进行预处理，并选取默认模式脑区；将脑区定义为节点，脑区之间的联系定义为边，构成一个含有若干节点的默认模式网络；分析默认模式网络的节点度、集聚系数、最短路径长度，分别应用迪杰斯特拉算法和改进蚁群算法计算默认模式网络的平均距离和哈密顿路径距离，研究默认模式网络节点间的连接特征；找出脑疾病患者和正常人的默认模式网络是否具有相同的平均距离和哈密顿路径，判断两者在相同哈密顿路径方向时是否具有相同的路径长度。本发明通过分析默认模式网络的功能连接，探索正常人与脑疾病患者大脑功能的差异，在认知功能研究、精神疾病诊疗等方面具有一定的应用价值。
-
Patent Agency Ranking
公开(公告)号：CN120088547A
公开(公告)日：2025-06-03
申请号：CN202510150857.X
申请日：2025-02-11
Applicant: 常州大学
IPC: G06V10/764 , G06V10/82 , G06V10/20 , G06T7/33 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/098
Abstract: 本发明涉及一种多中心功能磁共振成像数据分类方法及终端，方法包括：采集来自多个医疗中心的fMRI数据以及每个受试者的表型数据；对fMRI数据进行预处理；依据标准脑图谱分割功能性脑区，提取每个脑区的平均体素时间序列；根据皮尔森相关系数和斯皮尔曼相关系数分别构建功能连接矩阵；结合功能连接矩阵和表型数据构建人口图；设计双图注意力模块提取不同相关性度量下功能连接矩阵中的互补特征；设计联邦图卷积模块对互补特征进行训练和分类。本发明有助于解决由于采集设备差异造成的多中心fMRI数据异质性问题，有效挖掘大脑功能连接矩阵中的重要特征信息，提高对非独立同分布的fMRI数据的分类性能。
-
公开(公告)号：CN107358022A
公开(公告)日：2017-11-17
申请号：CN201710408764.8
申请日：2017-06-02
Applicant: 常州大学
CPC classification number: G06T7/0012 , G06T2207/10088 , G06T2207/30016
Abstract: 本发明涉及一种大脑功能网络的模块化分析方法。主要步骤包括：首先，将大脑fMRI图像进行预处理后与标准分区模板匹配，并进行ALFF计算；其次，提取大脑所有脑区时间序列，计算任意两个脑区时间序列的相关系数，根据时间序列相关系数矩阵对大脑功能网络进行模块划分；再次，对划分出的模块构建功能连接网络，利用最短路径长度、集聚系数等指标分析模块的信息传递速率和集团化程度等特征，并由节点中心性确定网络中的核心节点；最后，对ALFF结果进行统计，结合节点能量分布分析特定节点的活跃程度以及节点间功能连接强度的差异性。将大脑功能网络进行模块化分析，对研究脑疾病患者与正常人大脑的局部功能结构具有一定的参考价值。
-
公开(公告)号：CN116712034B
公开(公告)日：2024-11-26
申请号：CN202310620857.2
申请日：2023-05-30
Applicant: 常州大学
IPC: A61B5/00 , G06V10/762 , G06N20/10 , G06N3/006
Abstract: 本发明涉及一种基于功能子网络特征的认知功能状态预测方法，包括以下步骤：获取每位受试者的认知功能状态量表评分；采集每位受试者的功能磁共振图像并对图像进行预处理，构建大脑功能网络；将大脑功能网络通过递归聚类得到分层子网络；筛选出与认知功能状态之间相关系数较大的两个功能子网络的拓扑属性参数，将这两个拓扑属性参数对应的受试者工作特征曲线下面积作为功能子网络的特征合集；寻找支持向量回归机的高斯径向基核函数中参数的最优值；利用支持向量回归拟合功能子网络特征合集与认知功能状态量表评分。本发明有助于深入理解认知功能状态和功能子网络之间的关系，提高对认知功能状态预测的准确性。
-
公开(公告)号：CN116712034A
公开(公告)日：2023-09-08
申请号：CN202310620857.2
申请日：2023-05-30
Applicant: 常州大学
IPC: A61B5/00 , G06V10/762 , G06N20/10 , G06N3/006
Abstract: 本发明涉及一种基于功能子网络特征的认知功能状态预测方法，包括以下步骤：获取每位受试者的认知功能状态量表评分；采集每位受试者的功能磁共振图像并对图像进行预处理，构建大脑功能网络；将大脑功能网络通过递归聚类得到分层子网络；筛选出与认知功能状态之间相关系数较大的两个功能子网络的拓扑属性参数，将这两个拓扑属性参数对应的受试者工作特征曲线下面积作为功能子网络的特征合集；寻找支持向量回归机的高斯径向基核函数中参数的最优值；利用支持向量回归拟合功能子网络特征合集与认知功能状态量表评分。本发明有助于深入理解认知功能状态和功能子网络之间的关系，提高对认知功能状态预测的准确性。
-
公开(公告)号：CN106447023A
公开(公告)日：2017-02-22
申请号：CN201610691569.6
申请日：2016-08-18
Applicant: 常州大学
CPC classification number: G06N3/004 , G06K9/6201 , G06K2209/05 , G06T5/002 , G06T5/006 , G06T2207/10088 , G06T2207/30016
Abstract: 本发明涉及一种基于模体结构的大脑默认网络有向连接分析方法。对大脑fMRI图像进行格式转换、预处理和低频滤波，并与标准分区模板匹配；对fMRI图像进行ALFF计算，提取相关脑区的时间序列进行Granger因果分析，构建默认网络；搜索网络中存在的模体结构，确定模体的种类及数量；根据p值、Z得分等指标判断模体在默认网络有向连接中的重要程度；计算模体中的节点度和模体平均距离，分析脑区在模体和默认网络中的作用及信息传递速率；对患者组与正常人组进行统计分析，通过模体分布情况找出默认网络有向连接的显著差异。该方法有助于区分脑疾病患者与正常人默认网络的功能性差异，对于脑疾病的诊断和治疗具有一定的参考价值。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.021 seconds)
