-
公开(公告)号：CN114155251B
公开(公告)日：2024-10-15
申请号：CN202111483251.6
申请日：2021-12-07
Applicant: 重庆邮电大学
IPC: G06T7/10 , G06N3/0464 , G06N3/08
Abstract: 本发明提出了一种新的上下文感知卷积神经网络的全脑三维解剖结构分割方法。该方法在卷积神经网络的卷积模块后串联一个全新的双重注意力模块。该模块通过卷积自动学习通道和空间注意力权重并分别对输入的卷积特征进行加权，再通过卷积自适应融合加权后的卷积特征，以此提高网络的分类性能。此外，本发明将图像中待分割对象所有体素为中心的图像块作为训练数据，通过完全采样充分利用有限的标注数据对其样本分布进行较为完整的学习，以此进一步提高网络的分类性能。本发明提出的方法具有分割精度高、稳定性好的优点。在10个实施例的磁共振脑图像分割中，本方法获得分割结果的平均精度达93.27％，这比当前最先进的DeepNAT方法获得分割结果的平均精度提高了3.790％。
-
公开(公告)号：CN109035265B
公开(公告)日：2020-10-27
申请号：CN201811125843.9
申请日：2018-09-26
Applicant: 重庆邮电大学
Abstract: 一种结构脑连接图谱构建方法，脑连接图谱研究是脑功能和脑疾病研究的先导性关键环节，如何构建并验证结构脑连接图谱已成为当前脑科学研究的热点和前沿。最新研究表明，现有结构脑连接图谱的构建方法还存在一些不足：基于模型的假设驱动方法的鲁棒性不高、不依赖于模型的基于脑图谱方法的正确性难以验证、基于数据驱动方法构建的全脑尺度结构脑连接图谱不够精细等。为了克服现有方法的不足，本发明提出了一种新颖且易于验证的方法——采用协同聚类算法同时识别某个特定脑结构的结构子区及其连接脑区，实现了精细化的结构脑连接图谱构建；同时采取不同角度的两种途径验证了结构脑连接图谱的正确性。
-
公开(公告)号：CN119090865A
公开(公告)日：2024-12-06
申请号：CN202411312480.5
申请日：2024-09-20
Applicant: 重庆邮电大学
IPC: G06T7/00 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 发掘早期AD(Alzheimer's disease,AD)诊断性特征并对其进行及时预测干预，是延缓或阻止AD进程的有效途径。为此，本发明提出注意力3D密集连接网络的早期AD脑形态学表征与分类方法。本发明采用密集连接网络作为主干架构、多视角脑组织灰质、白质、脑脊液3D图像作为网络输入，并引入注意力机制使得网络能够捕获对AD分类具有重要贡献脑区。在ADNI数据集上，本发明方法在CN(cognitively normal)vs.MCI(mild cognitive impairment)、MCI vs.AD、CN vs.AD分类中的正确率依次达到了98.37％、97.63％、98.60％。与其他优秀方法相比，本发明方法处于先进水平。此外，通过注意力图分析发现AD患者脑形态学演变轨迹，即由CN转化为MCI涉及皮层下结构的脑形态学异常改变、再转化为AD进一步涉及皮层结构的脑形态学异常改变。
-
公开(公告)号：CN118470363A
公开(公告)日：2024-08-09
申请号：CN202410537116.2
申请日：2024-04-29
Applicant: 重庆邮电大学
IPC: G06V10/762 , G06V10/25 , G06V10/74 , G06V10/77 , G06V10/766 , A61B5/055 , A61B5/00
Abstract: 本发明提出了一种基于非负矩阵三因子正交分解(ONMTF)的脑功能连接图谱构建方法。该方法首先根据静息态功能磁共振影像数据集中每个被试两个待划分脑区体素之间的功能连接度量，建立两个感兴趣脑区之间的组水平功能相似性矩阵，这个矩阵的行和列分别代表两个感兴趣脑区的体素。然后，通过ONMTF将组水平功能相似性矩阵X分解成三个非负矩阵的乘积，即ASY。根据分解的两个后验概率标签矩阵A和Y得出两个感兴趣脑区之间存在连接关系的精细化功能连接网络。本发明提出方法所提取未知子区网络的功能，可以通过已经研究得较为透彻子区网络的功能进行推断。而且，本发明提出的方法提取的脑功能连接网络具有更好的聚类质量，即更好的功能一致性。
-
公开(公告)号：CN116489682A
公开(公告)日：2023-07-25
申请号：CN202310457989.8
申请日：2023-04-25
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种缓存增强的任务卸载优化方法，属于无线通信技术领域，考虑一个边缘网络中多用户任务卸载的城市场景，基于用户的移动性，首先对执行任务的能耗和时延进行建模；然后考虑区域内用户可能会在不同的时刻重复请求相同任务的情况，引入边缘缓存技术；根据基站间任务请求的相似度，聚集成社区，社区内基站共享信息；设计双时间尺度，分别在长短期时隙内更新社区任务流行度和基站任务流行度；最后建立收益最大化模型，将优化问题转化为01背包问题进行求解。本发明可以有效降低任务卸载时的时间与能耗成本，提升用户体验。
-
Patent Agency Ranking
公开(公告)号：CN109102492B
公开(公告)日：2020-06-09
申请号：CN201810707734.1
申请日：2018-07-02
Applicant: 重庆邮电大学
Abstract: 一种基于协同聚类的功能磁共振影像脑连接图谱构建方法，脑功能连接图谱研究是脑功能和脑疾病研究的先导性关键环节，如何构建并验证脑功能连接图谱已成为当前脑科学研究的热点和前沿。最新研究表明，现有脑功能连接图谱的构建方法还存在一些不足：基于模型的假设驱动方法的鲁棒性不高、不依赖于模型的基于脑图谱方法的正确性难以验证、基于数据驱动方法构建的全脑尺度脑功能连接图谱不够精细等。为了克服现有方法的不足，本发明提出了一种新颖且易于验证的方法——采用协同聚类算法同时识别某个特定脑结构的功能子区及其连接脑区，实现了精细化的脑功能连接图谱构建；同时采取不同角度的三种途径验证了脑功能连接图谱的正确性。
-
公开(公告)号：CN109345516A
公开(公告)日：2019-02-15
申请号：CN201811091606.5
申请日：2018-09-19
Applicant: 重庆邮电大学
Abstract: 一种变换域HMT模型的脑磁共振体数据自适应增强方法，属于医学图像处理领域，本方法将小波变换和隐马尔科夫链进行有机结合。根据单个小波系数的概率密度函数呈高峰值、长拖尾的非高斯分布的特性，对单个小波系数的随机性建立高斯混合模型。同时，小波系数在尺度间传递的持续性采用隐马尔科夫树(Hidden Markov Tree,HMT)来描述。以此建立小波域隐马尔科夫树模型，使用EM算法对模型进行求解。使用HMT模型的解，估计无噪声干扰情况下小波系数取值的期望。对经过噪声抑制后的小波系数进行三维小波逆变换，得到增强的脑磁共振体数据。通过主观和客观评价可知，该小波自适应增强方法比小波阈值增强方法具有更好的视觉信息保真度。
-
公开(公告)号：CN114155251A
公开(公告)日：2022-03-08
申请号：CN202111483251.6
申请日：2021-12-07
Applicant: 重庆邮电大学
Abstract: 本发明提出了一种新的上下文感知卷积神经网络的全脑三维解剖结构分割方法。该方法在卷积神经网络的卷积模块后串联一个全新的双重注意力模块。该模块通过卷积自动学习通道和空间注意力权重并分别对输入的卷积特征进行加权，再通过卷积自适应融合加权后的卷积特征，以此提高网络的分类性能。此外，本发明将图像中待分割对象所有体素为中心的图像块作为训练数据，通过完全采样充分利用有限的标注数据对其样本分布进行较为完整的学习，以此进一步提高网络的分类性能。本发明提出的方法具有分割精度高、稳定性好的优点。在10个实施例的磁共振脑图像分割中，本方法获得分割结果的平均精度达93.27％，这比当前最先进的DeepNAT方法获得分割结果的平均精度提高了3.790％。
-
公开(公告)号：CN109035265A
公开(公告)日：2018-12-18
申请号：CN201811125843.9
申请日：2018-09-26
Applicant: 重庆邮电大学
Abstract: 一种新颖的结构脑连接图谱构建方法，脑连接图谱研究是脑功能和脑疾病研究的先导性关键环节，如何构建并验证结构脑连接图谱已成为当前脑科学研究的热点和前沿。最新研究表明，现有结构脑连接图谱的构建方法还存在一些不足：基于模型的假设驱动方法的鲁棒性不高、不依赖于模型的基于脑图谱方法的正确性难以验证、基于数据驱动方法构建的全脑尺度结构脑连接图谱不够精细等。为了克服现有方法的不足，本发明提出了一种新颖且易于验证的方法——采用协同聚类算法同时识别某个特定脑结构的结构子区及其连接脑区，实现了精细化的结构脑连接图谱构建；同时采取不同角度的两种途径验证了结构脑连接图谱的正确性。
-
公开(公告)号：CN108846810A
公开(公告)日：2018-11-20
申请号：CN201810535155.3
申请日：2018-05-29
Applicant: 重庆邮电大学
IPC: G06T5/00
Abstract: 一种静息态功能磁共振影像噪声抑制的预处理优化方法，属于功能磁共振影像预处理领域。最近研究表明头动噪声对功能磁共振影像的干扰尤其突出。因此，有效抑制影像噪声(如头动干扰)是基于功能磁共振成像技术的脑功能研究亟待解决的首要问题。为了克服头动噪声，该方法确定带通滤波在线性回归分析去除协变量之前进行具有更好的头动噪声抑制效果。同时，在线性回归分析去除协变量过程中，此预处理优化方法选择14个滋扰变量(包括6个头动参数及它们的一阶导数、白质平均信号和脑脊液平均信号)可以进一步抑制头动噪声。与现有最先进的方法相比，此方法达到了更出色的噪声抑制效果。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.023 seconds)
