-
公开(公告)号：CN118887215B
公开(公告)日：2025-02-18
申请号：CN202411376268.5
申请日：2024-09-30
Applicant: 东南大学
IPC: G06T7/00 , G06T7/62 , G06T7/11 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于球面卷积的计算机辅助检测方法及系统，涉及人工智能技术领域，包括：接收多模态影像，对多模态影像进行预处理，得到预处理后的多模态影像，将预处理后的多模态影像映射至曲面，对映射后的曲面使用保面积形变膨胀为球面，利用球面生成球面卷积核；对球面卷积核的球面顶点领域内的其他球面顶点进行编码并卷积运算，得到所有球面顶点；将所有球面顶点聚类到簇，在簇内进行球面池化和反池化操作；接收组织表层信息，将组织表层信息输入至预先建立的分割与分类球面卷积神经网络模型内，输出得到辅助检测结果，实现了对组织和病灶表层图像信息的表征，从而辅助计算机进行检测。
-
Patent Agency Ranking
公开(公告)号：CN117038058A
公开(公告)日：2023-11-10
申请号：CN202310910309.3
申请日：2023-07-24
Applicant: 东南大学
IPC: G16H50/20 , A61B5/055 , G06T7/00 , G06T7/11 , G06T7/30 , G06V10/762 , G06V10/25 , G06V10/40 , G16H50/70 , G06N3/0464 , G06N20/10 , G06N5/01
Abstract: 本发明提供一种基于脑网络连接密度的计算机辅助诊断方法及系统，涉及计算机辅助诊断领域。该基于脑网络连接密度的计算机辅助诊断方法，包括：接收三维脑部多模态磁共振影像，并对三维脑部多模态磁共振影像进行预处理；将三维脑部多模态磁共振影像中大脑皮层均匀地分割为大小相似的脑区；对分割为大小相似的脑区进行分析，建立脑网络；计算脑网络连接密度并映射到标准脑模板空间；建立人群的脑网络连接密度矩阵并进行奇异值特征分解，使用左奇异矩阵的特征向量计算个体分数，并通过建立的辅助诊断模型完成辅助诊断。该方法在体素级别实现了对脑网络连接密度的分析，对脑网络连接改变的诊断提供了一种有效的技术。
-
公开(公告)号：CN119762773A
公开(公告)日：2025-04-04
申请号：CN202411779568.8
申请日：2024-12-05
Applicant: 南京信息工程大学 , 东南大学附属中大医院
IPC: G06V10/26 , G06V10/762 , G06V10/764 , G06N20/00
Abstract: 本发明公开了基于弥散超体素的神经纤维束聚类分割方法及系统，涉及医学图像分析与人工智能技术领域，包括：接收三维脑部磁共振数据并进行预处理；使用迭代配准方法建立人群匹配的个性化弥散磁共振脑模板；建立弥散加权无向图，并基于弥散测地线距离实现弥散超体素分割；基于弥散超体素的神经纤维连接图的最大团，实现纤维束聚类；将弥散超体素配准到个体空间，并利用最大团实现纤维束个性化分割；构建纤维束簇的中心曲线并将弥散特征映射该曲线；基于置换检验建立中心曲线的统计分析方法，并建立机器学习分类模型。
-
公开(公告)号：CN118887215A
公开(公告)日：2024-11-01
申请号：CN202411376268.5
申请日：2024-09-30
Applicant: 东南大学
IPC: G06T7/00 , G06T7/62 , G06T7/11 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于球面卷积的计算机辅助检测方法及系统，涉及人工智能技术领域，包括：接收多模态影像，对多模态影像进行预处理，得到预处理后的多模态影像，将预处理后的多模态影像映射至曲面，对映射后的曲面使用保面积形变膨胀为球面，利用球面生成球面卷积核；对球面卷积核的球面顶点领域内的其他球面顶点进行编码并卷积运算，得到所有球面顶点；将所有球面顶点聚类到簇，在簇内进行球面池化和反池化操作；接收组织表层信息，将组织表层信息输入至预先建立的分割与分类球面卷积神经网络模型内，输出得到辅助检测结果，实现了对组织和病灶表层图像信息的表征，从而辅助计算机进行检测。
-
公开(公告)号：CN118840616B
公开(公告)日：2025-01-17
申请号：CN202411314797.2
申请日：2024-09-20
Applicant: 南京信息工程大学 , 东南大学附属中大医院
IPC: G06V10/764 , G06V10/82 , G06V10/774 , G06F18/23 , G06F18/214 , G06F18/213 , G06F18/10 , G06V10/25 , G06V10/44
Abstract: 本发明公开了基于层级脑网络图卷积深度学习的图像处理方法与系统，涉及人工智能和医学图像处理技术领域，包括：接收多模态影像数据并进行预处理；根据神经纤维束追踪结果将大脑皮层划分为高空间分辨率的脑区；提取分区的深度影像特征、深度连接特征、影像组学特征与连接组学特征；构建脑网络的层次结构树状图；分别建立聚合空间邻接节点信息的图卷积核，以及聚合脑网络连接节点信息的图卷积核；建立基于层级脑网络树状图的图池化与反池化；构建面向图分类的残差图卷积神经网络；构建面向节点分类的UNet++图卷积神经网络，该方法实现了对脑网络层次模块性的拓扑结构进行建模，为脑网络分析提供了一种有效的技术。
-
公开(公告)号：CN118840616A
公开(公告)日：2024-10-25
申请号：CN202411314797.2
申请日：2024-09-20
Applicant: 南京信息工程大学 , 东南大学附属中大医院
IPC: G06V10/764 , G06V10/82 , G06V10/774 , G06F18/23 , G06F18/214 , G06F18/213 , G06F18/10 , G06V10/25 , G06V10/44
Abstract: 本发明公开了基于层级脑网络图卷积深度学习的图像处理方法与系统，涉及人工智能和医学图像处理技术领域，包括：接收多模态影像数据并进行预处理；根据神经纤维束追踪结果将大脑皮层划分为高空间分辨率的脑区；提取分区的深度影像特征、深度连接特征、影像组学特征与连接组学特征；构建脑网络的层次结构树状图；分别建立聚合空间邻接节点信息的图卷积核，以及聚合脑网络连接节点信息的图卷积核；建立基于层级脑网络树状图的图池化与反池化；构建面向图分类的残差图卷积神经网络；构建面向节点分类的UNet++图卷积神经网络，该方法实现了对脑网络层次模块性的拓扑结构进行建模，为脑网络分析提供了一种有效的技术。
-
-
-
-
-
Search Results
6
records
(took 0.018 seconds)
