-
公开(公告)号：CN116602625B
公开(公告)日：2024-01-26
申请号：CN202310580124.0
申请日：2023-05-22
Applicant: 北京工业大学
Abstract: 本申请公开了一种基于神经血管耦合的脑血流量预测系统，包括：结构连接矩阵生成模块，根据弥散张量成像数据得到结构连接矩阵；重新构建局部场电位模块，根据磁共振成像数据和头皮脑电数据建立局部场电位；功能连接矩阵生成模块，根据局部场电位生成功能连接矩阵；脑网络融合矩阵生成模块，将结构连接矩阵和功能矩阵融合生成脑网络融合矩阵；全脑逆向神经质量模型网络生成模块，建立单个逆向神经质量模型并形成全脑逆向神经质量模型网络；神经活动获取模块，根据逆向神经质量模型和局部场电位获取神经活动；脑血流量计算模块，神经活动输入到神经调控血流动力学系统得到脑血流量。通过本申请，提高脑血流量预测准确性，不会对检测(56)对比文件Várkuti, B，等.Quantifying the Linkbetween Anatomical Connectivity, GrayMatter Volume and Regional Cerebral Blood Flow: An Integrative MRI Study《.PLOSONE》.2011,第6卷(第4期),第1-15页.
-
公开(公告)号：CN116913529A
公开(公告)日：2023-10-20
申请号：CN202310880011.2
申请日：2023-07-18
Applicant: 北京工业大学
IPC: G16H50/50 , G06T17/00 , G06F30/10 , G06F30/28 , G06F113/08 , G06F119/14
Abstract: 一种基于集中参数模型计算冠状动脉FFR并三维可视化的方法属于数值模拟领域，该方法包括以下步骤：基于患者真实冠脉CT图像进行三维建模，并对三维模型进行平滑、切割等一系列处理；基于最大内切球法的中心线提取算法对该模型进行中心线提取，得到其几何拓扑结构，同时得到血管几何参数(管腔半径、长度、狭窄入口面积、狭窄长度等)；基于集中参数模型，结合深度学习预测得到的冠状动脉狭窄阻力，进行个性化数值计算，得到该冠脉的FFR值；基于纹理映射等计算机图形学方法，把FFR值以彩色可视化的方式显示到冠脉三维模型上。
-
公开(公告)号：CN113040728B
公开(公告)日：2023-09-26
申请号：CN202110251914.5
申请日：2021-03-08
Applicant: 北京工业大学
Abstract: 一种个性化的体外反搏远期血流动力学效应的评价方法，属于数值模拟领域。该方法包括以下步骤：采集人体的生理数据，构建个性化血液循环系统集中参数模型；利用上述模型模拟体外反搏的即时血流动力学效应；构建冠状动脉、脑动脉三维模型及网格化预处理；采用几何多尺度血流动力学数值模拟的方法模拟体外反搏治疗的心脑血管远期血流动力学效应；建立函数映射数学模型，得到：#imgabs0#TAWSS＝2.357×10‑5·MAP2+0.018·CBF2+2.768TAWSS较优的目标范围为4‑7Pa，将促进病变血管的良性重构，利于优化反搏的远期治疗效果。
-
公开(公告)号：CN116115208A
公开(公告)日：2023-05-16
申请号：CN202211446149.3
申请日：2022-11-18
Applicant: 北京工业大学
IPC: A61B5/026 , A61B5/021 , A61B6/03 , A61B34/10 , G06F30/28 , G06F113/08 , G06F119/14
Abstract: 一种基于物理驱动预测静息冠状动脉微循环阻力的方法，属于组合优化算法领域。该方法基于患者的CTA图像，重建个性化冠状动脉三维血管解剖模型；并通过解剖模型，利用基于自然生长法则的血管标度率，分配患者在理想状态的冠脉血流量，建立一种模拟理想状态微循环阻力的方法；依据冠脉微循环阻力代偿机制，使用基于物理驱动的方法迭代优化调整微循环阻力值，使冠脉模型入口压力与患者个性化主动脉压力值相匹配，从而建立一种符合生理机制的高保真静息状态血流动力学的方法。本发明实现了冠脉静息状态的模拟，构建了一种精确模拟静息状态冠脉微循环阻力的方法，为实现无创计算瞬时无波幅比提供精确的个性化边界条件。
-
公开(公告)号：CN112932503B
公开(公告)日：2023-05-02
申请号：CN202110058756.1
申请日：2021-01-16
Applicant: 北京工业大学
IPC: A61B5/372 , G06F18/241 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于4D数据表达和3DCNN的运动想象任务解码方法，对原始运动想象脑电信号MI‑EEG进行基线校正和带通滤波处理；将预处理后的MI‑EEG信号从低维头皮空间映射到高维脑皮层空间，获得偶极子源估计；结合偶极子坐标系转换、插值和体积下采样等操作，构建3D偶极子幅值矩阵；在TOI内设置滑窗，将窗内采样时刻对应的3D偶极子幅值矩阵按照采样顺序堆叠为4D偶极子特征矩阵；设计三模块级联结构的三维卷积神经网络3M3DCNN，对4DDFM含有的三维空间位置信息以及一维时间信息的复合特征进行提取和识别，实现运动想象任务解码；本发明避免了ROI的选择带来的大量信息丢失，并省去了时频分析等复杂操作步骤，有效提高了脑电信号的识别效果。
-
Patent Agency Ranking
公开(公告)号：CN112185551B
公开(公告)日：2023-04-07
申请号：CN202011081407.3
申请日：2020-10-10
Applicant: 北京工业大学
Abstract: 一种基于深度学习预测冠状动脉狭窄阻力的系统与方法。属于人工智能领域，包括以下步骤：基于真实冠状动脉参数构建血管模型并记录血管模型参数(入口面积、狭窄长度等)；基于血管模型进行模型网格化预处理；基于几何多尺度血流动力学计算预处理模型并提取血管模型的狭窄阻力；基于数据提取与血管模型参数建立狭窄阻力训练集与预测集；基于BP神经网络建立神经网络框架；基于深度学习对狭窄阻力训练集进行训练与对预测集进行预测验证。
-
公开(公告)号：CN115736867A
公开(公告)日：2023-03-07
申请号：CN202211483496.3
申请日：2022-11-24
Applicant: 北京工业大学
Abstract: 一种基于元学习神经网络预测中心动脉压的方法，涉及人工智能领域。包括以下步骤：S1.获取患者中心动脉压力波形及生理指标(性别、身高、体重、身体指数、年龄、心率、收缩压、舒张压、平均动脉压、心输出量)；S2.基于高斯函数叠加法进行波形分解，获取高斯特征参数(ai,bi,ci,i＝1,2,3,4)；S3.探究患者生理指标与高斯特征参数之间的显著性关系，选择具有显著相关性的生理指标作为输入数据；S4.基于生理指标和高斯特征参数建立元学习数据集；S5.搭建神经网络，基于元学习算法预测高斯特征参数，进而获得中心动脉压，并将预测波形与临床实测波形进行对比验证。
-
公开(公告)号：CN113040728A
公开(公告)日：2021-06-29
申请号：CN202110251914.5
申请日：2021-03-08
Applicant: 北京工业大学
Abstract: 一种个性化的体外反搏远期血流动力学效应的评价方法，属于数值模拟领域。该方法包括以下步骤：采集人体的生理数据，构建个性化血液循环系统集中参数模型；利用上述模型模拟体外反搏的即时血流动力学效应；构建冠状动脉、脑动脉三维模型及网格化预处理；采用几何多尺度血流动力学数值模拟的方法模拟体外反搏治疗的心脑血管远期血流动力学效应；建立函数映射数学模型，得到：TAWSS＝2.357×10‑5·MAP2+0.018·CBF2+2.768TAWSS较优的目标范围为4‑7Pa，将促进病变血管的良性重构，利于优化反搏的远期治疗效果。
-
公开(公告)号：CN112932505A
公开(公告)日：2021-06-11
申请号：CN202110058776.9
申请日：2021-01-16
Applicant: 北京工业大学
IPC: A61B5/372
Abstract: 本发明公开了一种基于时频能量的符号传递熵及脑网络特征计算方法，首先，基于共平均参考对采集的运动想象脑电信号(MI‑EEG)进行预处理；然后，对各导联MI‑EEG进行连续小波变换，求得其时‑频‑能量矩阵，并将与运动想象密切相关的频带内各频率所对应的时间‑能量序列依次拼接，得到该导联的一维时频能量序列；进而，计算任意两个导联时频能量序列之间的符号传递熵，构建大脑连通性矩阵，并使用皮尔逊特征选择算法优化矩阵元素；最后，计算脑功能网络的度和中间中心性，构成特征向量，用于MI‑EEG的分类。结果表明，本发明可以有效地提取MI‑EEG的频域特征和非线性特征，相比于传统的基于脑功能网络的特征提取方法具有明显的优势。
-
公开(公告)号：CN112244878A
公开(公告)日：2021-01-22
申请号：CN202010895392.8
申请日：2020-08-31
Applicant: 北京工业大学
Abstract: 本发明公开了用并联型多模块CNN和LSTM识别关键频带图像序列的方法，基于短时傅里叶变换对脑电信号进行时频分析，选取与运动想象任务密切相关的关键频带；然后，采用关键频带成像方法，针对每个离散时间，将各导联的关键频带时频融合信息同时插值于相应导联在网格中的离散位置上，并利用最近邻插值法对空值处进行信息增补，获得两个关键频带图像序列；最后，设计并联型多模块CNN和LSTM网络，用于关键频带图像序列的频域、空域与时域特征的提取与融合识别，实现脑电信号的自动分类。本发明通过短时傅里叶变换获得脑电信号丰富的时频信息，利用网络结构能充分的学习图像序列所包含的特征，有效的提高了脑电信号的识别效果。
-
-
-
-
-
-
-
-
-
Search Results
120
records
(took 0.026 seconds)
