-
公开(公告)号：CN116168258A
公开(公告)日：2023-05-26
申请号：CN202310454392.8
申请日：2023-04-25
Applicant: 之江实验室
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06V10/774 , G06N3/045 , G06N3/08
Abstract: 本说明书公开了一种目标物分类方法、装置、设备及可读存储介质，通过分别训练各模态的第一分类模型，将各模态的第一分类模型的特征提取子网作为各模态对应的特征提取子网，构建包含各模态的特征提取子网以及第二分类器的第二分类模型，并通过特征提取子网得到各模态的第一目标特征，并将各模态的第一目标特征融合得到的第二目标特征输入第二分类器得到预测分类结果，以预测分类结果以及第一训练样本的标签之间差异的最小化为优化目标，调整第二分类器的参数。可见，通过迁移预训练的特征提取子网的方式，解决了训练样本量少导致的模型分类效果差的问题，根据各模态的第一目标特征进行融合得到预测分类结果，能够提高模型分类性能。
-
Patent Agency Ranking
公开(公告)号：CN115861716B
公开(公告)日：2023-05-09
申请号：CN202310120729.1
申请日：2023-02-16
Applicant: 之江实验室
Abstract: 本发明公开了一种基于孪生神经网络和影像组学的胶质瘤分类方法及装置，包括如下步骤：收集胶质瘤病人的T1增强脑部磁共振影像数据以及相应的胶质瘤分级标签数据，并对磁共振影像数据进行预处理，将收集到的磁共振影像数据切分为训练集与测试集；对预处理后的磁共振影像数据尺寸进行归一化操作，并构建孪生神经网络训练样本集；等步骤。本发明在在获得海量的深度特征数据和影像组学特征数据后，提出了一种新的特征选择方案，即通过多数表决规则将一组现有的前沿特征选择算法的筛选结果进行综合，从而使特征选择过程更加充分、合理，并且本发明所述方案还可以通过尽量选用基于不同原理的特征选择算法进行优势互补，实现特征选择的进一步优化。
-
公开(公告)号：CN115861716A
公开(公告)日：2023-03-28
申请号：CN202310120729.1
申请日：2023-02-16
Applicant: 之江实验室
Abstract: 本发明公开了一种基于孪生神经网络和影像组学的胶质瘤分类方法及装置，包括如下步骤：收集胶质瘤病人的T1增强脑部磁共振影像数据以及相应的胶质瘤分级标签数据，并对磁共振影像数据进行预处理，将收集到的磁共振影像数据切分为训练集与测试集；对预处理后的磁共振影像数据尺寸进行归一化操作，并构建孪生神经网络训练样本集；等步骤。本发明在在获得海量的深度特征数据和影像组学特征数据后，提出了一种新的特征选择方案，即通过多数表决规则将一组现有的前沿特征选择算法的筛选结果进行综合，从而使特征选择过程更加充分、合理，并且本发明所述方案还可以通过尽量选用基于不同原理的特征选择算法进行优势互补，实现特征选择的进一步优化。
-
公开(公告)号：CN114376558B
公开(公告)日：2022-07-19
申请号：CN202210296098.4
申请日：2022-03-24
Applicant: 之江实验室
Abstract: 本发明公开了一种基于磁共振和孪生图神经网络的脑图谱个体化方法及系统；首先，对静息态功能磁共振数据（rs‑fMRI）利用基于感兴趣区域的功能连接提取特征，同时对该特征进行费雪变换和指数变换；其次，对该数据集中T1加权的磁共振数据提取对应邻接矩阵；然后，以变换之后的特征和邻接矩阵作为输入，以组图谱标签和采样掩膜作为输出，设计孪生图神经网络进行训练和测试。相比于其他的rs‑fMRI个体化图谱方案，本发明利用rs‑fMRI和组图谱的数据特点设计的孪生网络架构和中心采样模式所重建的个体化脑图在任务态磁共振数据上的激活分布更加均匀，同时具有更短的重建时间。
-
公开(公告)号：CN114334140B
公开(公告)日：2022-07-19
申请号：CN202210218603.3
申请日：2022-03-08
Applicant: 之江实验室
Abstract: 本发明公开了一种基于多关系功能连接矩阵的疾病预测系统及装置，根据脑图谱提取的静息态功能磁共振时间序列，分别计算皮尔逊相关系数矩阵与DTW距离矩阵，并结合皮尔逊相关系数矩阵将DTW距离矩阵转换为包含相关程度及相关方向信息，且数值范围和皮尔逊系数取值范围相当的DTW'矩阵，加权联合后得到功能连接矩阵。本发明联合DTW距离信息以减弱功能连接的动态变化及不同脑区功能信号的非同步性对功能连接矩阵的影响，使计算得到的功能连接矩阵可以更好地反应不同脑区功能信号之间的相关关系。以本发明系统计算的功能连接矩阵为特征进行精神疾病预测，可以提高疾病预测的准确率以及预测模型在多中心数据的泛化能力。
-
公开(公告)号：CN113539435B
公开(公告)日：2021-12-14
申请号：CN202111090208.3
申请日：2021-09-17
Applicant: 之江实验室
Abstract: 本发明公开了一种基于图模型的脑功能配准方法，该方法以被试特定认知功能态下的脑功能活动信号为输入，以脑图模型为基础，将高维的脑功能影像数据映射到二维时间序列矩阵，构建图卷积神经网络模型用以区分不同的认知功能状态，同时利用荟萃分析方法生成脑激活分布先验图辅助预测每个被试特异性的脑功能激活模式，两者结合起来实现将每个被试的脑功能影像数据映射到可适用于大规模群体的共享表征空间，最终实现个体间精准的脑功能对齐。本方法不仅可以增强群体上的统计检验的效应量，减少脑认知功能研究中所需被试样本数，节省临床研究成本，同时在共享表征空间中生成的图表征信息还可以用于精准预测被试的脑功能状态和行为学指标。
-
-
-
-
-
Search Results
16
records
(took 0.017 seconds)
