-
公开(公告)号:CN117058514B
公开(公告)日:2024-04-02
申请号:CN202311315370.X
申请日:2023-10-12
Applicant: 之江实验室
IPC: G06V10/80 , G06V10/77 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本申请涉及一种基于图神经网络的多模态脑影像数据融合解码方法和装置,其中,基于图神经网络的多模态脑影像数据融合解码方法包括:获取被试者的脑磁图功率时间序列以及静息态功能磁共振成像功能连接;基于选定的脑图谱,构建脑图;使用所述被试者的所述脑磁图功率时间序列以及所述静息态功能磁共振成像功能连接对所述脑图进行图嵌入,得到嵌入后的脑图;基于所述嵌入后的脑图对图神经网络模型进行训练,获得图神经网络解码模型;使用所述图神经网络解码模型预测目标人员大脑的任务态类别,获得预测结果。本申请对多模态脑影像数据进行融合,使用图神经网络对人脑神经活动信号进行解码,提高了对脑影像数据的解码精度。
-
公开(公告)号:CN117036894A
公开(公告)日:2023-11-10
申请号:CN202311297044.0
申请日:2023-10-09
Applicant: 之江实验室
IPC: G06V10/80 , G06V10/764 , G06V10/774 , G06V10/26 , G06V10/74 , G06V10/82 , G06N3/08
Abstract: 本申请涉及一种基于深度学习的多模态数据分类方法、装置及计算机设备。所述方法包括:获取待分类数据,所述待分类数据至少包括医学图像以及人口学信息;基于所述待分类数据确定数据特征,所述数据特征包括图像特征以及人口学信息特征,所述图像特征通过将所述医学图像输入特征提取模型得到;将所述数据特征输入训练好的分类器,确定分类结果。通过特征提取模型提取图像特征,并综合考虑图像特征和人口学信息特征,通过分类器确定分类结果,能够在待分类数据包括多种数据类型的多模态数据的情况下对待分类数据进行分类,有效提高分类结果的准确性。
-
公开(公告)号:CN116863025A
公开(公告)日:2023-10-10
申请号:CN202311136376.0
申请日:2023-09-05
Applicant: 之江实验室
IPC: G06T11/00
Abstract: 本申请涉及一种脑磁图数据的溯源重建方法、装置、电子装置和介质,其中,该方法包括:获取目标对象的待处理脑磁图数据;对待处理脑磁图数据进行标准化预处理,以及事件相关场分析,得到事件相关场结果;基于目标对象的磁共振结构像数据构建目标对象的头部模型,并基于用户指令构建源空间;基于头部模型与源空间计算正向解;基于事件相关场结果以及正向解进行溯源重建,得到源空间的源估计结果;基于源空间的源估计结果以及标准空间中脑图谱模板,生成脑图谱溯源重建结果。通过本申请,解决了脑磁图数据溯源重建结果通用性较低的问题,借助神经影像领域常用的脑图谱工具,给脑磁图数据处理和分析流程增加了一定的通用性和可比较性。
-
公开(公告)号:CN116503680A
公开(公告)日:2023-07-28
申请号:CN202310787084.7
申请日:2023-06-30
Applicant: 之江实验室
IPC: G06V10/764 , G06V10/774 , G06T7/00 , G06V10/80 , G06T3/40 , G06N3/0464 , G06N3/09 , G16H30/00
Abstract: 本申请涉及人工智能领域,特别是涉及一种基于脑图谱的脑影像结构化分析和脑疾病分类系统,包括:脑图谱标准化模块,用于基于多种脑图谱构建的脑图谱库实现脑图谱标准化;结构化映射模块,用于将多模态脑影像样本数据映射到脑图谱所在的标准空间,提取多模态脑影像样本数据的影像学指标;图构建模块,用于构建不同脑图谱所对应的图;图表征提取模块,用于提取图的图表征;非影像数据处理模块,用于对获取的非影像数据进行预处理和标准化;训练模块,用于利用预处理和标准化后的非影像数据与图表征的融合特征来训练分类器;分类模块,用于利用训练完成的分类器对采集得到的多模态脑影像数据进行分类。本发明提高脑疾病分类的准确性。
-
公开(公告)号:CN116228724A
公开(公告)日:2023-06-06
申请号:CN202310237440.8
申请日:2023-03-07
Applicant: 之江实验室
Abstract: 本申请涉及一种脑皮层形态网络生成方法、装置、电子装置和存储介质,其中,该脑皮层形态网络生成方法包括:获取目标对象的脑皮层重建图像;对脑皮层重建图像进行分割,得到脑皮层的多个目标区域,以及每一目标区域的顶点集;将每一目标区域的顶点集中的顶点进行连接,得到每一目标区域对应的子网络;基于目标叶子节点与其他叶子节点是否相邻,确定目标叶子节点的状态;若目标叶子节点的状态为待连接状态,则确定出与目标叶子节点对应的连接叶子节点;将每一子网络中处于待连接状态的叶子节点与对应的连接叶子节点连接,生成目标对象的脑皮层形态网络。通过本申请,解决了脑皮层形态网络生成效率较低,提高了脑皮层形态网络生成的效率。
-
-
-
-