公开(公告)号：CN116644313A

公开(公告)日：2023-08-25

申请号：CN202310520022.X

申请日：2023-05-10

Applicant: 浙江大学滨江研究院

Inventor： 付钰 ,  刘昀博 ,  薛乐 ,  卓成 ,  张宏

IPC: G06F18/214 ,  A61B5/00 ,  A61B5/055 ,  G06F18/22 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于全卷积网络的轻量级脑龄评估模型构建方法，包括如下步骤：步骤一，收集健康被试者的sMRI数据和对应的年龄信息，构成训练集、测试集和验证集；步骤二，构建用于执行人脑年龄评估的SFCNeXt神经网络，包括SPEC模块和HRL模块；步骤三，使用训练集对SFCNeXt神经网络进行训练，获得用于评估人脑年龄的脑年龄评估模型；步骤四，对SFCNeXt的参数进行评估，并与其他轻量级SOTA模型的比较，比较完成后进行SFCNeXt的消融实验，以验证该模型的有效性和稳定性，之后完成评估模型的构建。本发明的基于全卷积网络的轻量级脑龄评估框架构建方法，首先，评估了SFCNeXt参数的不同组合形式，并论证了SFCNeXt的参数集合形式。其次，将SFCNeXt与现有的轻量级SOTA模型进行了比较。

公开(公告)号：CN114862774A

公开(公告)日：2022-08-05

申请号：CN202210422914.1

申请日：2022-04-21

Applicant: 浙江大学滨江研究院

Inventor： 卓成 ,  付钰 ,  李贇鑫 ,  张宏 ,  田梅 ,  薛乐

IPC: G06T7/00 ,  G06V10/774 ,  G06N3/08 ,  G06N3/04 ,  G06V10/82

Abstract: 本发明提供了一种基于深度学习的PET图像跨模态重构方法，包括：步骤1、获取包含FDG‑PET脑部扫描图像与对应的AV45‑PET脑部扫描图像的多模态脑部扫描图像，并对多模态脑部扫描图像的模态类型进行标注，将多模态脑部扫描图像与对应的标注标签组成训练样本；步骤2、构建用于跨模态图像生成的生成对抗网络；步骤3、利用训练样本对生成对抗网络进行训练，获得PET跨模态图像生成模型；步骤4、将FDG‑PET脑部扫描图像输入到所述PET跨模态图像生成模型中，经计算输出AV45‑PET脑部扫描图像以及对应的图像信息。本发明还提供了一种PET图像跨模态重构装置。本发明提供的方法通过构建神经网络，对生成的图像进行约束与修改，从而获得高质量的AV45‑PET脑部扫描图像。

公开(公告)号：CN114359310A

公开(公告)日：2022-04-15

申请号：CN202210035567.7

申请日：2022-01-13

Applicant: 浙江大学

Inventor： 董舜杰 ,  潘子宣 ,  卓成 ,  付钰

IPC: G06T7/11 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的3D心室核磁共振视频分割优化系统，该系统通过深度时空可变形卷积融合模块TDAM获取MRI视频段中高维图像特征；利用增强可变形卷积注意力网络TDAM得到的高维图像特征中时空信息，将不同尺度的特征图融合后输出带有多尺度信息的特征图；通过概率噪声校正模块PNCM得到高维图像特征的分布，输出包含分布均值和方差信息的嵌入向量；EDAN输出的特征图与PNCM输出的嵌入向量扩展后进行拼接卷积得到预测结果。利用训练好的网络模型对新输入的3D心室MRI视频直接进行分割，通过引入多帧图像补偿、可变形卷积以及多尺度注意力机制，能有效地提高心室分割的准确度和效率，并具有较高的鲁棒性。