公开(公告)号：CN114305387A

公开(公告)日：2022-04-12

申请号：CN202111588660.2

申请日：2021-12-23

Applicant: 上海交通大学医学院附属仁济医院 ,  上海理工大学

Inventor： 周滟 ,  聂生东 ,  胡颖 ,  许建荣 ,  孙雅文 ,  汪耀

IPC: A61B5/055

Abstract: 本发明涉及一种基于磁共振成像的脑小血管病变图像分类方法、设备及介质，所述方法首先构建并训练基于集成学习的图像分类模型，然后获取待分类脑MRI图像，应用所述图像分类模型获取该待分类脑MRI图像对应的病变类别；训练所述基于集成学习的图像分类模型具体包括以下步骤：S101、获取脑MRI数据集，对所述脑MRI数据集的图像进行预处理，获取预处理后图像；S102、对所述预处理后图像进行计算分析，获取对应的多个功能度量，基于所述多个功能度量筛选获得用于分类的若干个度量特征；S103、基于所述度量特征训练所述图像分类模型。与现有技术相比，本发明具有精度高、易于操作等优点。

公开(公告)号：CN113705670A

公开(公告)日：2021-11-26

申请号：CN202110995093.6

申请日：2021-08-27

Applicant: 上海交通大学医学院附属仁济医院 ,  上海理工大学

Inventor： 周滟 ,  聂生东 ,  杨一风 ,  胡颖 ,  许建荣 ,  吴连明 ,  赵辉林

IPC: G06K9/62 ,  G06N3/04 ,  G06T5/00

Abstract: 本发明涉及一种基于磁共振成像和深度学习的脑部图像分类方法及设备，所述方法包括以下步骤：获取待分类的原始MRI扫描图像数据，进行预处理，获得三维MRI图像；将所述三维MRI图像作为一经训练的分类网络模型的输入，获得最终分类结果；其中，所述分类网络模型对所述三维MRI图像分别沿轴状面、矢状面和冠状面进行3D到2D的特征维度转换，分别通过轴状位基分类器、矢状位基分类器和冠状位基分类器获得对应的初始分类结果，再对多个所述初始分类结果进行集成融合，获得所述最终分类结果。与现有技术相比，本发明具有分类精度高、模型复杂度低等优点。

公开(公告)号：CN113705670B

公开(公告)日：2024-11-08

申请号：CN202110995093.6

申请日：2021-08-27

Applicant: 上海交通大学医学院附属仁济医院 ,  上海理工大学

Inventor： 周滟 ,  聂生东 ,  杨一风 ,  胡颖 ,  许建荣 ,  吴连明 ,  赵辉林

IPC: G06F17/00

Abstract: 本发明涉及一种基于磁共振成像和深度学习的脑部图像分类方法及设备，所述方法包括以下步骤：获取待分类的原始MRI扫描图像数据，进行预处理，获得三维MRI图像；将所述三维MRI图像作为一经训练的分类网络模型的输入，获得最终分类结果；其中，所述分类网络模型对所述三维MRI图像分别沿轴状面、矢状面和冠状面进行3D到2D的特征维度转换，分别通过轴状位基分类器、矢状位基分类器和冠状位基分类器获得对应的初始分类结果，再对多个所述初始分类结果进行集成融合，获得所述最终分类结果。与现有技术相比，本发明具有分类精度高、模型复杂度低等优点。

公开(公告)号：CN107392907A

公开(公告)日：2017-11-24

申请号：CN201710779440.5

申请日：2017-09-01

Applicant: 上海理工大学

Inventor： 胡颖 ,  聂生东 ,  王丽嘉

IPC: G06T7/00 ,  G06T5/00 ,  G06T7/10

CPC classification number: G06T7/0012 ,  G06T5/002 ,  G06T7/10 ,  G06T2207/10088 ,  G06T2207/30016

Abstract: 本发明涉及一种基于静息态功能性磁共振成像的海马旁回功能分区方法，对采集的原始静息态磁共振数据进行预处理；在标准MNI空间中提取被试海马旁回脑区；计算被试海马旁回脑区中各个体素与全脑所有体素时间序列的皮尔森相似性度量，建立海马旁回的功能连接模式；以海马旁回的功能连接模式作为特征，运用t-SNE对全脑连接模式矩阵进行特征降维；应用能够自动确定聚类数目的基于本征间隙的谱聚类算法，实现海马旁回功能亚区的分割。通过静息态fMRI的功能连接模式，使用特征降维与自动谱聚类的融合算法对海马旁回脑区进行分割，并以各亚区作为种子点，分析其与全脑的特异性功能连接。提高了基于高维无标注的fMRI数据处理的准确率和效率。