-
公开(公告)号：CN101739681A
公开(公告)日：2010-06-16
申请号：CN200910219485.2
申请日：2009-12-14
Applicant: 西北工业大学
Abstract: 本发明涉及一种基于相关预测模型的磁共振图像中检测结构形变的方法，技术特征在于：利用一组配准到标准模板的正常被试的三角化大脑皮层表面，计算出该组表面上的顶点与其余顶点之间的结构相关性。利用这种相关性及典型相关预测模型，可以依据不存在大脑结构形变的正常区域的顶点位置，预测出存在大脑萎缩的区域中顶点的期望位置。比较预测模型得到的顶点位置与预测之前的顶点位置，量化大脑皮层表面因大脑萎缩所带来变形，从而量化大脑因脑萎缩所致的结构形变的程度。本发明相对其他方法最主要的优点在于，能在只有单时间点的磁共振结构图像可用的情况下，检测大脑结构形变是否存在及量化结构形变的程度。
-
公开(公告)号：CN102855352B
公开(公告)日：2014-08-06
申请号：CN201210293171.9
申请日：2012-08-17
Applicant: 西北工业大学
IPC: G06F17/50
Abstract: 本发明涉及一种利用脑功能成像空间特征和底层视觉特征进行视频聚类的方法，其特征在于：提取功能磁共振图像序列中的大脑信号向量，计算信号向量的皮尔森相关系数矩阵，利用单因素方差分析和相关特征选择方法从皮尔森相关系数矩阵中提取脑功能成像空间特征，利用部分视频的底层视觉特征和对应的脑功能成像空间特征建立高斯过程回归模型，将剩余视频的底层视觉特征映射到脑功能成像空间特征上，将所有视频的脑功能成像空间特征和底层视觉特征进行多模态谱聚类。利用本发明方法，可以实现脑功能成像空间特征和底层视觉特征的融合聚类，与基于底层视觉特征如颜色、形状等视频聚类方法及单独使用脑功能特征空间聚类相比，大大提高了聚类准确性。
-
公开(公告)号：CN101718848A
公开(公告)日：2010-06-02
申请号：CN200910219490.3
申请日：2009-12-14
Applicant: 西北工业大学
IPC: G01R33/56
Abstract: 本发明涉及一种优化的磁共振灌注成像图像中血容量量化方法，技术特征在于：在磁共振灌注成像图像的颅内主中央动脉选取具有典型双峰形状的动脉输入函数。将造影剂浓度时间序列信号与动脉输入函数做去卷积运算，得到具有近似单峰形状的残余函数。利用gamma函数拟合所选取的动脉输入函数，得到动脉输入函数的首次通过。将拟合得到的动脉输入函数的首次通过与残余函数做卷积运算，从而重建出初始时间-显影剂浓度曲线中的首次通过分量。利用重建的首次分量来量化血容量，抑制量化误差。本发明将上述首次通过重建算法与造影剂渗漏效应矫正算法相结合，进一步抑制血容量量化误差。
-
公开(公告)号：CN103412908A
公开(公告)日：2013-11-27
申请号：CN201310332611.1
申请日：2013-08-01
Applicant: 西北工业大学
IPC: G06F17/30
Abstract: 本发明涉及一种基于相似性矩阵融合的音频数据检索方法，其特征在于：首先，计算不同种类音频数据特征的拉普拉斯矩阵；其次，计算不同种类音频数据拉普拉斯矩阵的特征值和特征向量，分别找出这些拉普拉斯矩阵中前M个最大特征值所对应的特征向量；第三，分别计算不同种类音频数据特征向量的相似性矩阵，将特征向量的相似性矩阵的对应元素相乘得到融合后的相似性矩阵，第四，对每个查询目标音频数据，利用融合后的相似性矩阵得到每个音频数据的分数，将音频数据按照分数从高到低排序，在前若干个排好序的音频数据中，统计其中与目标音频数据属于同一类别的音频数据数量，计算检索准确率。利用本发明方法，可以实现多种音频数据特征的融合检索，融合后的检索准确率比融合前有了大幅提高。
-
公开(公告)号：CN103093455A
公开(公告)日：2013-05-08
申请号：CN201210563307.3
申请日：2012-12-21
Applicant: 西北工业大学
IPC: G06T7/00
Abstract: 本发明提供了一种扩散张量成像大脑白质纤维聚类方法，对原始的rsfMRI数据和DTI数据进行预处理，将预处理后的rsfMRI数据配准到DTI空间，将预处理后的DTI数据分别进行纤维追踪和脑组织分割，并将DTI得到的白质纤维中不能到达灰质或者超出了灰质表面的白质纤维，进行纤维投影，再对白质纤维之间的功能相似性进行计算，得到一个相似性矩阵，采用仿射传播聚类算法进行聚类。本发明得到的纤维束本身具有功能上的独立性，不依赖于图谱的准确性，不需要复杂的配准。
-
Patent Agency Ranking
公开(公告)号：CN102142037B
公开(公告)日：2013-04-17
申请号：CN201110114991.2
申请日：2011-05-05
Applicant: 西北工业大学
Abstract: 本发明涉及一种基于功能磁共振成像的视频数据检索方法，其特征在于：首先利用部分视频数据的底层视觉特征向量和对应的脑功能成像空间特征向量建立高斯过程回归模型，用该模型预测剩余视频数据的脑功能成像空间特征向量，得到所有视频数据的脑功能成像空间特征向量；然后，利用脑功能成像空间特征向量建立流形结构，得到权重矩阵；最后，利用权重矩阵对视频数据进行流形排序得到打分最高的视频数据作为检索结果。利用本发明方法，可以实现具有人脑认知信息指导的视频数据检索过程，与传统基于底层视觉特征如颜色、形状等视频数据检索方法相比，大大提高了检索准确性。
-
公开(公告)号：CN102855352A
公开(公告)日：2013-01-02
申请号：CN201210293171.9
申请日：2012-08-17
Applicant: 西北工业大学
IPC: G06F17/50
Abstract: 本发明涉及一种利用脑功能成像空间特征和底层视觉特征进行视频聚类的方法，其特征在于：提取功能磁共振图像序列中的大脑信号向量，计算信号向量的皮尔森相关系数矩阵，利用单因素方差分析和相关特征选择方法从皮尔森相关系数矩阵中提取脑功能成像空间特征，利用部分视频的底层视觉特征和对应的脑功能成像空间特征建立高斯过程回归模型，将剩余视频的底层视觉特征映射到脑功能成像空间特征上，将所有视频的脑功能成像空间特征和底层视觉特征进行多模态谱聚类。利用本发明方法，可以实现脑功能成像空间特征和底层视觉特征的融合聚类，与基于底层视觉特征如颜色、形状等视频聚类方法及单独使用脑功能特征空间聚类相比，大大提高了聚类准确性。
-
公开(公告)号：CN102117337B
公开(公告)日：2012-11-28
申请号：CN201110081331.9
申请日：2011-03-31
Applicant: 西北工业大学
IPC: G06F17/30
Abstract: 本发明涉及一种融合空间信息的Bag of Words图像检索方法，技术特征在于：考虑到图像所包含的内容都是现实世界的物体，物体都具有一定的形状和结构特征，融入显著特征区域的空间信息便可以更加形象、准确的描述图像所包含的内容，从而能够得到更好的图像检索效果。利用Bag of Words对图像进行很好的描述，可以获得图像在图像空间基上的向量表示，通过特征区域空间信息的加入，可以很好的保证了图像底层特征区域之间的结构信息，从而提高了图像的检索精度。因此，融合特征区域空间信息的Bag of Words图像检索方法，更加适用于图像的检索。
-
公开(公告)号：CN102332054A
公开(公告)日：2012-01-25
申请号：CN201110246561.6
申请日：2011-08-25
Applicant: 西北工业大学
Abstract: 本发明涉及一种三维大脑磁共振图像的大脑皮层表面标志区域识别方法，其特征在于：利用皮层表面与皮下层组织的结构连接信息来定义大脑皮层表面与皮下层组织的结构连接模式，通过对该连接模式的分类，实现对单个个体大脑皮层表面区域的分割，然后提取个体间稳定且一致性强的大脑皮层表面区域作为大脑皮层表面标志区域。相对于其他方法，本发明利用了个体间稳定和一致性很强的大脑皮层表面与皮下层组织的连接模式来识别大脑皮层表面标志区域，所得到的大脑皮层表面标志区域更稳定和更一致。
-
公开(公告)号：CN120048288A
公开(公告)日：2025-05-27
申请号：CN202510518046.0
申请日：2025-04-24
Applicant: 西北工业大学
IPC: G10L25/51 , G10L25/30 , G10L25/03 , A61B5/369 , A61B5/38 , A61B5/12 , A61B5/00 , G06F18/2131 , G06F18/15 , G06F18/2134 , G06F18/2411
Abstract: 本申请属于信号处理技术领域。本申请提供一种面向船舶辐射噪声识别的听觉神经特征提取方法。本公开实施例采集船舶辐射噪声刺激诱发的脑电数据，对不同船舶辐射噪声刺激诱发的脑电信号进行预处理，以得到脑电分段数据；对脑电分段数据进行脑电特征统计分析，以得到脑电数据集；对脑电数据集进行特征提取和降维操作，以得到脑电特征；利用脑电特征对SVM模型进行训练和测试，以得到训练好的SVM模型；将待测数据集输入至训练好的SVM模型中，以得到听觉神经特征。根据不同类型的船舶采用的判别策略，以设计更有效的识别机制提供依据，尤其是在船舶分类时可以采用个性化的识别方法，从而提高系统的适应性和准确性。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.024 seconds)
