-
公开(公告)号：CN102366323B
公开(公告)日：2013-09-11
申请号：CN201110299577.3
申请日：2011-09-30
Applicant: 中国科学院自动化研究所
IPC: A61B5/055
Abstract: 本发明公开了一种基于主成分分析PCA和格兰杰因果分析GCA的磁共振脑成像因果连接强度的检测方法，该方法包括以下步骤：对经过数据预处理的脑功能图像进行激活区域多体素时间序列的提取，得到激活区域多个体素的时间序列矩阵；使用PCA对每个激活区多个时间序列矩阵空间降维得到主要成分，平均主要成分的激活值得到一时间序列；建立所有激活区域的时间序列间的多变量自回归模型；计算各个时间序列间的偏相关系数；通过直接传递函数DTF方法计算dDTF值，得到激活脑区间的因果连接强度和方向；使用替代数据法统计检验连接强度的显著性，在有向网络图上将结果显示。在真实数据集上的实验说明，本发明所述方法是一种有效的磁共振脑成像因果连接强度的检测方法。
-
公开(公告)号：CN102360501A
公开(公告)日：2012-02-22
申请号：CN201110201864.6
申请日：2011-07-19
Applicant: 中国科学院自动化研究所
IPC: G06T7/00
Abstract: 本发明公开了一种基于核磁共振成像的脑区有效连接度构建方法，该方法包括以下步骤：对经过功能磁共振成像fMRI图像预处理后的数据进行广义线性模型分析，提取出大脑激活区；根据大脑激活区选择感兴趣区域，并提取出其相应的时间序列；根据得到的时间序列建立多元自回归MVAR模型，计算得到有效连接度矩阵；采用替代数据方法对有效连接度矩阵中的有效连接度进行单样本T检验，并利用错误发现率FDR方法，消除多重比较，得到显著的脑区有效连接度。
-
公开(公告)号：CN102289844A
公开(公告)日：2011-12-21
申请号：CN201110201406.2
申请日：2011-07-18
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种三维图像尺度不变特征的候选点选取方法，该方法包括以下步骤：首先，使用离散的高斯核对三维图像进行平滑，生成该三维图像的高斯金字塔；然后，对高斯金字塔每组中相邻两层平滑图像进行差分，生成三维图像的差分金字塔；最后，设定一邻域的约束半径，遍历差分金字塔中的每一点，判断该点是否为以该点为中心点且具有所述约束半径的邻域中的极值点，如果是，则将所述极值点作为尺度不变特征的候选点。特征提取实验表明，本发明所述方法能够有效地增加尺度不变特征的数量；仿真数据的特征匹配实验表明，使用较小的半径约束，能够产生更多的正确匹配点。
-
公开(公告)号：CN102508184B
公开(公告)日：2015-04-08
申请号：CN201110329397.5
申请日：2011-10-26
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种基于移动平均时间序列模型的磁共振成像脑激活区检测方法，该方法包括以下步骤：使用移动平均算法，对于每个个体，逐体素计算个体(individual subject)体素信号强度时间序列模型；在此基础上使用EM-algorithm计算每个个体在组群中的权重值，逐体素构建组群(group subjects)体素信号强度时间序列动态变化模型；最后通过区域增长方法，度量组群体素间信号强度时间序列模型的活动相似性，确定脑功能激活区。在真实fMRI数据集上的实验说明，本发明所述方法是一种有效的脑功能激活区提取方法。
-
公开(公告)号：CN102289844B
公开(公告)日：2013-11-06
申请号：CN201110201406.2
申请日：2011-07-18
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种三维图像尺度不变特征的候选点选取方法，该方法包括以下步骤：首先，使用离散的高斯核对三维图像进行平滑，生成该三维图像的高斯金字塔；然后，对高斯金字塔每组中相邻两层平滑图像进行差分，生成三维图像的差分金字塔；最后，设定一邻域的约束半径，遍历差分金字塔中的每一点，判断该点是否为以该点为中心点且具有所述约束半径的邻域中的极值点，如果是，则将所述极值点作为尺度不变特征的候选点。特征提取实验表明，本发明所述方法能够有效地增加尺度不变特征的数量；仿真数据的特征匹配实验表明，使用较小的半径约束，能够产生更多的正确匹配点。
-
Patent Agency Ranking
公开(公告)号：CN102855491B
公开(公告)日：2016-03-09
申请号：CN201210262108.9
申请日：2012-07-26
Applicant: 中国科学院自动化研究所
IPC: G06K9/62
Abstract: 本发明公开了一种基于网络中心性的脑功能磁共振图像分类方法，包括：对脑功能磁共振图像进行预处理，然后进行脑区分割，并提取各个脑区的平均时间序列；计算平均各个时间序列之间的偏相关系数，得到偏相关系数矩阵；将偏相关系数矩阵二值化，得到脑网络模型；计算网络中各节点的网络中心性；利用自适应提高分类器对脑功能磁共振图像进行分类，并采用留一交叉验证的测试方法对自适应提高分类器进行检验。本发明利用脑功能磁共振图像构建了脑功能网络，利用了网络拓扑结构信息进行分类，能够精确的对脑功能磁共振图像进行分类。
-
公开(公告)号：CN102509123A
公开(公告)日：2012-06-20
申请号：CN201110392269.5
申请日：2011-12-01
Applicant: 中国科学院自动化研究所
IPC: G06K9/66
Abstract: 本发明是一种基于复杂网络的脑功能磁共振图像分类方法，该方法包括以下步骤：对训练样本图像和测试样本图像进行预处理，并进行区域分割，提取每个区域的平均时间序列；计算该平均时间序列间的偏相关系数，将所述偏相关系数矩阵二值化，得到复杂网络模型，计算该复杂网络模型的特征路径长度、成本和集群度，分别得到训练样本图像和测试样本图像的网络特征；利用训练得到的该自适应提高(adaboost)分类器；利用训练得到的该自适应提高(adaboost)分类器对测试样本图像进行分类。本发明利用了脑功能磁共振图像中尽可能多的信息，能够精确的对脑功能磁共振图像进行分类。
-
公开(公告)号：CN102081740A
公开(公告)日：2011-06-01
申请号：CN201110053750.1
申请日：2011-03-07
Applicant: 中国科学院自动化研究所
IPC: G06K9/62
Abstract: 本发明是一种基于尺度不变特征的三维图像分类方法，该方法包括以下步骤：对经过三维图像预处理后的标记样本图像和无标记样本图像提取尺度不变特征，分别得到样本特征和目标特征；搜索目标特征的正出现，生成正出现集合，所述正出现集合是满足几何相似和外形相似的样本特征的集合；使用核密度估计的算法，计算目标特征的条件概率密度的估计值；依据各目标特征的概率密度估计值，使用贝叶斯分类器计算得到无标记样本图像的似然率，并依据似然率进行分类。在公共数据集上的实验说明，本发明所述方法是一种有效的三维图像分类方法。
-
公开(公告)号：CN102855491A
公开(公告)日：2013-01-02
申请号：CN201210262108.9
申请日：2012-07-26
Applicant: 中国科学院自动化研究所
IPC: G06K9/62
Abstract: 本发明公开了一种基于网络中心性的脑功能磁共振图像分类方法，包括：对脑功能磁共振图像进行预处理，然后进行脑区分割，并提取各个脑区的平均时间序列；计算平均各个时间序列之间的偏相关系数，得到偏相关系数矩阵；将偏相关系数矩阵二值化，得到脑网络模型；计算网络中各节点的网络中心性；利用自适应提高分类器对脑功能磁共振图像进行分类，并采用留一交叉验证的测试方法对自适应提高分类器进行检验。本发明利用脑功能磁共振图像构建了脑功能网络，利用了网络拓扑结构信息进行分类，能够精确的对脑功能磁共振图像进行分类。
-
公开(公告)号：CN102508184A
公开(公告)日：2012-06-20
申请号：CN201110329397.5
申请日：2011-10-26
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种基于移动平均时间序列模型的磁共振成像脑激活区检测方法，该方法包括以下步骤：使用移动平均算法，对于每个个体，逐体素计算个体(individual subject)体素信号强度时间序列模型；在此基础上使用EM-algorithm计算每个个体在组群中的权重值，逐体素构建组群(group subjects)体素信号强度时间序列动态变化模型；最后通过区域增长方法，度量组群体素间信号强度时间序列模型的活动相似性，确定脑功能激活区。在真实fMRI数据集上的实验说明，本发明所述方法是一种有效的脑功能激活区提取方法。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.026 seconds)
