公开(公告)号：CN119908699A

公开(公告)日：2025-05-02

申请号：CN202411991383.3

申请日：2024-12-31

Applicant: 无锡市儿童医院 ,  中国科学院苏州生物医学工程技术研究所

Inventor： 蒋昊翔 ,  乔菁菁 ,  戴亚康 ,  彭博 ,  何科毅 ,  王妙艳

IPC: A61B5/055 ,  A61B5/00 ,  G06T7/00 ,  G06T7/11 ,  G06T7/30 ,  G06V10/25 ,  G06N5/022

Abstract: 本发明提供一种痉挛型脑瘫儿童个体化TMS靶点定位方法及系统，以实现针对不同分型的SCP儿童的TMS精准神经调控。本发明通过获取健康儿童结构特征，经图像处理后，实现对SCP儿童脑区的精确划分，弥补了当前脑损伤儿童脑区谱图的不足，为SCP不同症状的种子点选择提供依据；进一步扫描多模态影像参数特征，基于种子点作全脑体素相关分析构建功能连接图，寻找交叉重叠的功能连接图作为不同症状的责任病灶网络，靠近头皮表面的体素集作为TMS靶点，以精准定位不同临床症状的SCP儿童治疗靶点。本发明基于病灶网络映射技术，更好的定位不同症状或症状复合体相关的功能连接特征，识别出特定的大脑网络，为TMS治疗提供精准干预靶点。

公开(公告)号：CN117457199A

公开(公告)日：2024-01-26

申请号：CN202311360072.2

申请日：2023-10-19

Applicant: 中国科学院苏州生物医学工程技术研究所 ,  无锡市儿童医院

Inventor： 戴亚康 ,  蒋昊翔 ,  彭博 ,  王妙艳 ,  徐丹丹 ,  刘苏锐

IPC: G16H50/30 ,  G16H30/00 ,  G16H50/70 ,  G06T7/00 ,  G06T7/11 ,  G06T7/33

Abstract: 本发明涉及儿童大脑类淋巴系统DT I‑ALPS指数测量方法及介质，该方法包括步骤：将个体被试的FA图与儿童FA脑模板进行线性配准；将儿童类淋巴系统脑图谱仿射到个体被试的FA图上，生成个体类淋巴系统脑图谱；将个体类淋巴系统脑图谱生成的参量带入类淋巴系统功能评定指数公式，计算并输出个体的DT I‑ALPS指数。本发明针对儿童的大脑结构和发育特点进行了儿童FA脑模板优化，具有更高的适用性和精确度，适用于儿童大脑类淋巴系统研究；实现儿童大脑类淋巴系统DT I‑ALPS指数的自动化测量，减少了人工干预和主观性，提高了测量的一致性和可重复性，适用于大规模儿童DT I‑ALPS数据处理和分析。

公开(公告)号：CN119763766A

公开(公告)日：2025-04-04

申请号：CN202411655965.4

申请日：2024-11-19

Applicant: 无锡市儿童医院 ,  中国科学院苏州生物医学工程技术研究所

Inventor： 蒋昊翔 ,  王妙艳 ,  戴亚康 ,  彭博 ,  赵森 ,  乔菁菁

IPC: G16H20/30 ,  G06F18/213 ,  G06F18/24 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/088 ,  G06N3/098

Abstract: 本发明提供基于运动想象脑机接口的痉挛性脑瘫儿童康复方法及系统。本发明一方面针对痉挛性脑瘫儿童的严重程度构建特定的运动想象范式，包括左侧偏瘫范式、右侧偏瘫范式和双瘫范式，能够有针对且有效地提高痉挛性脑瘫儿童康复疗效。并且，本发明提供运动想象脑机接口方案对脑电图信息进行解码，有效评估运动想象是否需要调整，形成闭环反馈，确保运动想象脑机接口疗法的可靠性。另一方面，本发明所构建的将运动想象脑机接口与常规康复训练相结合的康复方法与系统，有助于提高康复训练的效果和患者的康复参与度，进而为痉挛性脑瘫儿童提供了一种更加有效、科学的康复解决方案。

公开(公告)号：CN117218451A

公开(公告)日：2023-12-12

申请号：CN202311308855.6

申请日：2023-10-10

Applicant: 中国科学院苏州生物医学工程技术研究所 ,  无锡市儿童医院

Inventor： 戴亚康 ,  蒋昊翔 ,  彭博 ,  王妙艳 ,  刘苏锐 ,  徐丹丹 ,  宋娟

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/80 ,  G16H30/20

Abstract: 本发明涉及联合多参数MRI特征的自闭症谱系障碍分类方法及系统，包括步骤：从T1图像提取脑脊液体积特征；从DTI图像提取沿血管周围间隙弥散张量特征、各向异性分数特征、DTI脑网络特征：将脑脊液体积特征、沿血管周围间隙弥散张量特征、各向异性分数特征、DTI脑网络特征输入分类模型进行分类，计算分类性能评价指标。本发明联合脑脊液体积、DTI‑ALPS、FA及脑网络节点效率的多种特征，更全面地描述自闭症患者类淋巴系统活性和脑白质结构改变。采用AutoGluon分类框架，采取多模型同时训练的模式，并利用多层堆栈集成的形式，利用预定义模型和超参数搜索空间，提升了分类方法的准确性。

公开(公告)号：CN116959714A

公开(公告)日：2023-10-27

申请号：CN202310952504.2

申请日：2023-07-31

Applicant: 中国科学院苏州生物医学工程技术研究所 ,  无锡市儿童医院

Inventor： 戴亚康 ,  彭博 ,  蒋昊翔 ,  刘燕 ,  王妙艳 ,  徐丹丹 ,  钱旭升

IPC: G16H50/20 ,  G06V10/764 ,  G06V10/82 ,  G06V10/80

Abstract: 本发明涉及一种自闭症谱系障碍分类方法、电子设备及存储介质，该方法包括步骤：对测试集每个被试的T1结构磁共振图像、伪连续动脉自旋图像进行处理，获得特征向量，实现结构脑网络特征、血流脑网络特征的构建；通过结构脑网络特征和血流脑网络特征，构建多模态脑网络特征；将多模态脑网络特征输入最优分类模型，获得分类结果。本发明采用T1结构磁共振图像和伪连续动脉自旋标记图像，构建结构脑网络和血流脑网络特征，反映不同脑区之间皮层厚度变化及脑血流变化的相关性，并将其作为机器学习分类模型的输入；通过t检验方法和最小冗余最大相关特征选择方法，筛选出具有显著性的特征，提高自闭症谱系障碍分类的准确率。