-
公开(公告)号：CN112257769A
公开(公告)日：2021-01-22
申请号：CN202011119554.5
申请日：2020-10-19
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于图像处理技术领域，具体涉及了一种基于强化学习类脑读图的多层核磁影像分类方法及系统，旨在解决现有模型在多层核磁影像分类中性能不佳的问题。本发明包括：将多层核磁影像拆为单层；通过特征编码与预测模型进行第t个核磁影像的编码和感知，获得低维深度特征和分类结果；基于低维深度特征，通过行动策略生成模型获取行动指令xt；若xt不为0，则进行t+xt层影像的特征编码与预测、行动指令生成以及判断，直至行动指令为0；以指令为0的影像的层级分类结果作为多层核磁影像的分类结果。本发明对每一层核磁影像实施逐像素分析保证层级分类正确，并可准确定位真正对最终决策有贡献的层级，进而实现更加精准的多样本多分类任务。
-
公开(公告)号：CN108335338B
公开(公告)日：2021-01-05
申请号：CN201810268753.9
申请日：2018-03-28
Applicant: 中国科学院自动化研究所
Abstract: 本公开提供一种实验动物体多模融合成像系统及使用方法，包括：光学成像单元，用于采集实验动物体的光学断层成像信息，包括：FMT模块，用于采集实验动物体的FMT信息，该FMT模块利用镜面滤波方法降低激发光反射光对采集信号的污染；MRI单元，与所述光学成像单元间隔设置，用于采集实验动物体的MRI信息；固定床，用于固定实验动物体，分别与所述光学成像单元和所述MRI单元配合，使实验动物体在其二者之间进行刚性移动；以及数据处理单元，用于对实验动物体的光学断层成像信息和MRI信息进行像素级融合。本公开提供的实验动物体多模融合成像系统及使用方法，通过镜面滤波方法去除发射光中的激发光反射光，进而缓解FMT采集过程中激发光的反射光对发射光的污染问题。
-
公开(公告)号：CN108451508B
公开(公告)日：2020-05-05
申请号：CN201810407969.9
申请日：2018-04-28
Applicant: 中国科学院自动化研究所
IPC: A61B5/00
Abstract: 本公开提供了一种基于多层感知机的生物自发荧光三维成像方法，包括：步骤1：使用蒙特卡洛仿真生成训练样本集；步骤2：构建多层感知机，所述多层感知机包括输入层，隐含层和输出层；步骤3：模型训练，利用步骤1所生成的训练样本集对步骤2所构建的多层感知机及其权重进行模型训练；以及步骤4：实际在体重建，将步骤3训练好的模型及权重保存，利用步骤2所构建的多层感知机，重建得到实际在体的体内生物自发荧光光源分布结果。该方法基于统计学习的机器学习理论，提出了利用蒙特卡洛仿真生成感知机仿真训练样本，并扩充仿真训练样本，从而加大了多层感知机的训练规模，提高了多层感知机的重建能力和生物自发荧光三维成像的重建精度。
-
公开(公告)号：CN110974166A
公开(公告)日：2020-04-10
申请号：CN201911259864.4
申请日：2019-12-10
Applicant: 中国科学院自动化研究所
IPC: A61B5/00
Abstract: 本发明属于数字图像领域，具体涉及一种基于K近邻局部连接网络的光学断层成像方法、系统，旨在为了解决现有FMT成像的重建精度和成像速度不能兼顾的问题。本发明包括：利用蒙特卡洛仿真构建第一样本；利用第一样本，通过样本组合的方式实现训练样本集的扩充；对所搭建的K近邻局部连接网络，利用训练样本集训练，利用残差学习优化局部连接子网络；利用训练好的K近邻局部连接网络进行基于目标物外表荧光图像进行内部光源重建。本发明基于数据驱动的神经网络方法，直接学习光子在生物体内部的逆向传播过程，实现了准确而快速的激发荧光断层成像。
-
公开(公告)号：CN110969204A
公开(公告)日：2020-04-07
申请号：CN201911199840.4
申请日：2019-11-29
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于医学图像处理技术领域，具体涉及一种基于磁共振图像与数字病理图像融合的样本分类系统，旨在解决现有影像学或病理学的单一样本分类的局限性，导致样本分类精度较低的问题。本系统包括获取图像模块，配置为获取第一、第二图像；预处理模块，配置为对第一、第二图像进行预处理；勾画模块，配置为通过勾画方法获取预处理后各图像的感兴趣区域，并进一步处理；提取特征模块，配置为分别提取处理后的各图像感兴趣区域的特征；筛选排序模块，配置为对提取的特征进行筛选排序；分类输出模块，配置为将筛选排序后的特征，通过分类模型得到分类结果。本发明将磁共振图像和数字病理图像进行融合，解决了单一样本分类的缺陷，提高了分类的精度。
-
Patent Agency Ranking
公开(公告)号：CN110367983A
公开(公告)日：2019-10-25
申请号：CN201910637709.5
申请日：2019-07-15
Applicant: 中国科学院自动化研究所
IPC: A61B5/05
Abstract: 本发明属于磁粒子成像领域，具体涉及一种基于无磁场线扫描的磁粒子成像系统，旨在为了解决磁粒子成像系统灵敏度、分辨率不能满足需求的问题。本系统包括磁体组、感应线圈、成像床、控制与成像装置，磁体组包括两对轴线正交设置环形磁体对、一个圆筒形磁体；环形磁体对中两个环形磁体共轴；圆筒形磁体设置于两对环形磁体的包围空间，其轴线过两对环形磁体对的轴线正交点，且垂直于两对环形磁体对的轴线构成的平面；所述控制与成像装置，用于按照设定的控制指令控制磁体组中各磁体的磁场变化，实现所产生的无磁场线转动和/或平移，并依据感应磁场在感应线圈中产生的电流信号进行磁性粒子成像。本发明提高了磁粒子定位的精准度，提高了的分辨率。
-
公开(公告)号：CN109615673A
公开(公告)日：2019-04-12
申请号：CN201811404727.0
申请日：2018-11-22
Applicant: 中国科学院自动化研究所
Abstract: 本公开提供了一种基于自适应高斯拉普拉斯规则化的FMT重建方法及装置，其中FMT重建方法包括：步骤S100：基于扩散方程和有限元模型转换，建立激发荧光断层成像逆问题；步骤S200：在步骤S100建立的逆问题中，加入自适应的高斯拉普拉斯规则化约束条件；步骤S300：利用共轭梯度方法迭代求解逆问题；步骤S400：合成靶向性的荧光探针；步骤S500：构建小鼠脑胶质瘤原位模型，捕获注射探针一时间段内的荧光数据，获得荧光探针在脑胶质瘤区域的形态学分布。本公开实现了准确的FMT形态学重建，解决了FMT重建的过光滑问题，提高了FMT重建的信背比和鲁棒性，提高了FMT形态学重建的准确度。
-
公开(公告)号：CN109191425A
公开(公告)日：2019-01-11
申请号：CN201810815480.5
申请日：2018-07-23
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种医学影像分析方法，包括：获取目标区域的造影视频和二维视频；基于所述二维视频，对所述造影视频进行配准，以补偿呼吸运动引起的偏差；构建神经网络模型，所述神经网络模型包括输入层、隐含层和输出层，其中，所述输入层和隐含层各包括卷积层、激活层和池化层，以及所述输出层包括全连接层；利用经配准的造影视频对所述神经网络模型进行训练，以生成经配准的造影视频的特征向量，其中，对经配准的造影视频进行数据增益和正则项约束；计算所述特征向量的预测权重，并选择预测权重高于权重阈值的特征向量，用于构建预测诊断模型。
-
公开(公告)号：CN109166103A
公开(公告)日：2019-01-08
申请号：CN201810851316.X
申请日：2018-07-27
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种基于多层感知网络的激发荧光断层成像方法，该方法包括如下步骤：S1、生成训练样本；S2、设置无网格标准化模型，将训练样本映射到无网格标准化模型中；S3、根据无网格标准化模型构建激发荧光断层成像的多层感知网络，多层感知网络包括输入层、隐含层和输出层；S4、根据输出层的输出结果对无网格标准化模型进行训练；以及S5、将生物体的数据输入训练后的无网格标准化模型，获得所述生物体的重建图像。
-
公开(公告)号：CN108577824A
公开(公告)日：2018-09-28
申请号：CN201810477322.3
申请日：2018-05-17
Applicant: 中国科学院自动化研究所
Abstract: 一种脑血流量检测方法，包括以下步骤：S1、获取人体的PET图像和MRI图像；S2、通过所述MRI图像在PET图像中定位颈动脉和脑组织的位置，进而在所述PET图像中获取脑组织处的时间-放射性示踪剂浓度曲线和颈动脉处的时间-放射性示踪剂浓度曲线；S3、根据脑组织处的时间-放射性示踪剂浓度曲线和颈动脉处的时间-放射性示踪剂浓度曲线，通过以下公式求解脑血流量：其中，Ct(t)表示脑组织处的时间-放射性示踪剂浓度曲线，Ca(t)表示颈动脉处的时间-放射性示踪剂浓度曲线，t表示时间，f为脑血流量，P为放射性示踪剂在脑组织和血液中的分配比值。
-
-
-
-
-
-
-
-
-
Search Results
494
records
(took 0.044 seconds)
