-
公开(公告)号：CN116048269A
公开(公告)日：2023-05-02
申请号：CN202310070483.1
申请日：2023-01-20
Applicant: 中国科学院苏州生物医学工程技术研究所
IPC: G06F3/01 , G06F18/10 , G06F18/213 , G06F18/24 , G06F18/25
Abstract: 本说明书公开了一种穿戴脑磁脑机接口系统，能够对脑磁信号进行高精度源成像，提高测量空间解码方式的空间分辨率，实现对脑磁信号的精准识别分类。所述系统包括穿戴脑磁采集设备、信号分析处理系统与多模态刺激呈现设备。所述穿戴脑磁采集设备，用于采集受试者脑神经活动产生的脑磁信号并将所述脑磁信号发送至所述信号分析处理系统；所述信号分析处理系统，用于对所述脑磁信号进行预处理、成像和解码，以生成解码信息，并将所述解码信息发送至所述多模态刺激呈现设备；所述多模态刺激呈现设备，用于呈现诱发脑神经活动的刺激信息以及呈现所述信号分析处理系统所生成的解码信息。
-
公开(公告)号：CN115587321A
公开(公告)日：2023-01-10
申请号：CN202211576082.5
申请日：2022-12-09
Applicant: 中国科学院苏州生物医学工程技术研究所
Abstract: 本说明书公开了一种脑电信号识别分类方法、系统及电子设备，能够对脑电信号进行精确分类识别。所述方法包括：从原始脑电信号中获取波段信号；针对所述波段信号进行时空频多域分析及上下文长时信息挖掘，生成多层次融合特征信息；针对所述多层次融合特征信息进行稀疏脉冲编码，构建脉冲神经网络进行脉冲特征映射，并优化脉冲神经网络以生成稀疏脉冲融合特征；基于所述稀疏脉冲融合特征，计算确定所述原始脑电信号对应的类别属性。所述系统用于执行所述脑电信号识别分类方法。所述电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述脑电信号识别分类方法。
-
公开(公告)号：CN107292312B
公开(公告)日：2021-06-22
申请号：CN201710462938.9
申请日：2017-06-19
Applicant: 中国科学院苏州生物医学工程技术研究所
Abstract: 本发明公开一种肿瘤识别方法，包括步骤：粗分割：对CT图像依次进行器官分割和血管分割，获得去除血管的器官CT图像；构造测试样本数据集合：基于器官CT图像，依次构造动脉期、静脉期和延迟期的肿瘤区域子图集形成测试正样本数据集合、器官正常区域子图集构成测试负样本数据集合；训练肿瘤分类器：对测试样本数据集合进行特征数据提取，训练出包括肿瘤良/恶识别与分期的肿瘤分类器；待测CT图像的特征数据提取和肿瘤的识别与分期：依次对动脉期、静脉期和延迟期的待测CT图像进行特征数据提取形成待测特征数据集合，将待测特征数据集合输入肿瘤分类器进行肿瘤良/恶识别与分期。本发明可以对分割后的肿瘤进行良/恶以及分期的精确识别。
-
公开(公告)号：CN112294339A
公开(公告)日：2021-02-02
申请号：CN202011096444.1
申请日：2020-10-14
Applicant: 中国科学院苏州生物医学工程技术研究所 , 济南国科医工科技发展有限公司
Abstract: 本发明公开了一种基于种群多样性控制的脑电源定位方法、系统及设备，基于患者的个性化MRI，构建患者的个性化真实头模型与源模型。通过基准点法实现EEG‑MRI的粗略配准，通过对电极位置手动微调，实现EEG‑MRI的精细配准，降低空间模型产生的误差。基于配准后的空间信息，建立体积传导模型，计算正向传导矩阵，进而建立源定位数学模型，为降低计算复杂度，对源定位数学模型进行线性与非线性参数分离。面对逆问题的不适定性与病态性，提出一种基于种群多样性控制的量子粒子群算法(DQPSO)，通过控制算法的种群多样性，使算法迭代后期仍然能够保持较高的全局遍历寻优能力，进而提高算法收敛到全局最优的概率，保证高定位精度。
-
公开(公告)号：CN106056583A
公开(公告)日：2016-10-26
申请号：CN201610347934.1
申请日：2016-05-24
Applicant: 中国科学院苏州生物医学工程技术研究所
IPC: G06T7/00
CPC classification number: G06T7/0012 , G06T2207/10012 , G06T2207/10081 , G06T2207/30032
Abstract: 本发明公开了一种面向虚拟结肠镜的结肠息肉图像数据处理方法，在图形处理器中进行以下步骤：步骤一、采集结肠部位的三维图像数据，并对所述图像数据进行图像预处理，得到结肠壁的拟合等值面曲面，在所述拟合等值面上选取体现结肠息肉特征的W个种子点；步骤二、逐步移动所述种子点并将移动后的种子点影到图像真实等值面上，并形成W条曲率线；步骤三、将每一条所述曲率线进行散播，生成曲率线集合；步骤四、在所述曲率线集合中筛选出体现结肠息肉形状特征的特征曲率线，并将所述特征曲率线绘制到所述拟合等值面上，以突显结肠息肉。本发明解决了现有技术中无法精确描述息肉的整体三维形状特征的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN105760874A
公开(公告)日：2016-07-13
申请号：CN201610128282.2
申请日：2016-03-08
Applicant: 中国科学院苏州生物医学工程技术研究所
CPC classification number: G06K9/46 , G06K9/6268 , G06K2209/051 , G06T5/00 , G06T5/002 , G06T5/40 , G06T15/005 , G06T2200/04 , G06T2207/10081 , G06T2207/30064
Abstract: 本发明公开一种面向尘肺的CT图像处理系统，包括图像处理服务器，其包括CPU、图形处理器以及连接到所述图形处理器的DICOM读写单元，所述DICOM读写单元从所述图形处理器中读取与解析CT图像；CT图像预处理单元，其对所述DICOM读写单元解析后的CT图像进行灰度不均匀校正、图像去噪以及伪影去除的预处理；图像分割单元，其对预处理后的CT图像进行肺实质分割、肺结节分割以及肺结节假阳性目标去除；深度网络学习单元，其提取所述图像分割单元分割后的肺结节区域所在的子图像块中的高维特征；以及，SVM分类单元，其接收所述高维特征进行分类。本发明的CT图像的数据的分类精度高、鲁棒性稳定。
-
公开(公告)号：CN114431851B
公开(公告)日：2025-05-09
申请号：CN202210116846.6
申请日：2022-02-07
Applicant: 中国科学院苏州生物医学工程技术研究所
Abstract: 本发明公开了一种神经电生理正问题建模方法、装置及电子设备，其中，所述方法包括：获取目标对象的被试MRI数据，并根据所述被试MRI数据，构建头脑几何结构模型和头表面测量电极分布模型；其中，所述头脑几何结构模型中包括所述目标对象的囟门组织的位置信息；构建所述目标对象的源模型，并根据所述头脑几何结构模型、所述头表面测量电极分布模型以及所述源模型，确定正问题模型中的传导矩阵；根据历史被试数据构建第一模型，以及根据所述传导矩阵构建第二模型，并确定所述第一模型和所述第二模型之间的误差模型；基于所述传导矩阵和所述误差模型，构建与所述被试MRI数据相匹配的第三模型。本申请提供的技术方案能够提高正问题模型建模精度。
-
公开(公告)号：CN118038171A
公开(公告)日：2024-05-14
申请号：CN202410255908.0
申请日：2024-03-06
Applicant: 中国科学院苏州生物医学工程技术研究所
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0895
Abstract: 本发明提供基于半监督多任务学习的医学图像分类方法、系统及介质，该方法包括步骤：获取多模态磁共振影像数据，并将该影像数据分为训练数据和测试数据；通过训练数据对医学图像分类模型进行第一阶段训练；延用第一阶段编码器和分类器结构搭建半监督学习网络框架，利用双分支网络结构对医学图像分类模型进行第二阶段训练；通过测试数据对训练好的医学图像分类模型进行测试，采用医学图像分类指标评价模型的准确性。本发明采用多任务学习框架，分割模型引导分类模型的特征提取，同时，采用Mean Teacher模型框架，并设计了一致性损失函数，用于学习没有标签数据的图像特征，以充分利用有标签数据和无标签数据，提高分类模型的准确性。
-
公开(公告)号：CN116894800A
公开(公告)日：2023-10-17
申请号：CN202310876159.9
申请日：2023-07-17
Applicant: 中国科学院苏州生物医学工程技术研究所 , 济南国科医工科技发展有限公司
Abstract: 本发明涉及数据融合技术领域，公开了一种基于脑血管知识的多层次数据融合方法及系统，方法包括：对脑影像数据进行分割得到脑血管分割数据并对其进行中心线提取得到脑血管树中心线数据；对脑血管分割和脑血管知识数据分层处理后，采用血管预处理算法集进行特征量化得到对应分层量化特征并设定其权重；结合脑血管树中心线数据，根据分层量化特征进行特征图融合，得到数据融合特征图并基于其各节点的位置进行子图构建，得到各节点子图并对其进行节点权重更新，得到对应加权子图并融合得到节点权重调整特征图，形成多层次血管知识融合数据并结合预设模型的性能来得到最优的多层次血管知识融合数据，明确了多层次血管知识融合数据的最佳处理路径。
-
公开(公告)号：CN116740533A
公开(公告)日：2023-09-12
申请号：CN202310720852.7
申请日：2023-06-16
Applicant: 中国科学院苏州生物医学工程技术研究所 , 济南国科医工科技发展有限公司
IPC: G06V10/82 , G06N3/042 , G06N3/0464 , G06N3/0455 , G06N3/09 , G06V10/80
Abstract: 本发明涉及模型建立领域，公开了一种脑动脉瘤检测模型建立方法、装置、设备及存储介质，该方法包括：获取脑动脉数据融合图，并输入至图卷积模型，得到图卷积特征；获取血管预处理结果及血管知识融合数据，并输入到编码器，进行解耦，得到解耦特征；将图卷积特征和解耦特征进行特征融合，并将特征融合的结果输入到解码器，利用血管空间标注对检测模型进行监督训练，得到脑动脉瘤检测模型，本发明对脑动脉数据融合图进行处理，得到对应的图卷积特征，对血管预处理结果和血管知识融合数据进行处理，以编码解码为框架，建立脑动脉瘤检测模型，构建知识引导下的多尺度网络模型，利用脑动脉瘤检测模型进行脑动脉瘤检测，提高脑动脉瘤检测结果的精度。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.096 seconds)
