-
公开(公告)号：CN119400348A
公开(公告)日：2025-02-07
申请号：CN202510008846.8
申请日：2025-01-03
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 北京航空航天大学
IPC: G16H20/10 , A61N5/10 , G06V10/764 , G06V10/774 , G06V10/40 , G06V10/80 , G06V10/26
Abstract: 本发明提供了一种盆腔肿瘤多中心多瘤种多处方的剂量预测方法及相关设备，应用于数据处理技术领域。本申请对训练样本集进行预处理，生成带有目标特征数据的训练样本集；基于带有目标特征数据的训练样本集对基于SwinTransformer网络架构的预设剂量分布处理模型进行处理，生成目标剂量分布处理模型；对目标用户的CT图像信息进行特征提取处理，生成目标特征向量；对目标用户的生理状态信息进行处理，生成目标用户的剂量限制因子；对目标用户的生理参数信息进行处理，生成目标用户的动态剂量影响因子；基于目标剂量分布处理模型对目标特征向量、目标用户的剂量限制因子和目标用户的动态剂量影响因子进行处理，生成目标剂量分布信息。
-
公开(公告)号：CN119587902A
公开(公告)日：2025-03-11
申请号：CN202411914337.3
申请日：2024-12-24
Applicant: 北京航空航天大学 , 北京大学第三医院(北京大学第三临床医学院)
Abstract: 本发明提供了一种基于锥形束CT的盆腔肿瘤自适应放疗剂量的预测方法和系统，应用于数据处理技术领域。本申请对目标用户的锥形束CT图像进行预处理，生成目标锥形束CT图像；对目标锥形束CT图像和目标用户的预设CT图像进行处理，生成预设靶区勾画信息；对目标用户的生理运动参数信息和目标用户的目标生理结构信息进行处理，生成动态剂量影响因子；基于训练样本集对初始图像识别处理模型进行处理，生成目标图像识别处理模型；基于目标图像识别处理模型对目标锥形束CT图像和预设靶区勾画信息进行处理，生成目标CT图像；基于目标图像识别处理模型对目标CT图像、动态剂量影响因子和目标用户的生理状态信息进行处理，生成目标剂量预测信息。
-
Patent Agency Ranking
公开(公告)号：CN119673424A
公开(公告)日：2025-03-21
申请号：CN202411684375.4
申请日：2024-11-22
Applicant: 北京航空航天大学
IPC: G16H50/20 , A61B5/369 , A61B5/16 , A61B5/00 , G16H50/70 , G06F18/2415 , G06N3/0464 , G06N3/047 , G06N3/048
Abstract: 本发明公开了一种脑电数据跨时空对齐预测分析方法及系统。该方法通过采集EEG序列，运用连续扩散预测网络，结合空间插值技术和多层感知器来捕捉大脑活动的方向信息。通过卷积神经网络模拟脑电信号的时空演变，利用卷积解码器将大脑状态映射回EEG信号，并通过分类器预测疾病概率。本发明有效模拟了脑电信号的连续性，为精神心理疾病的早期诊断提供了新的技术手段。
-
公开(公告)号：CN120011885A
公开(公告)日：2025-05-16
申请号：CN202510118114.4
申请日：2025-01-24
Applicant: 上海市精神卫生中心(上海市心理咨询培训中心) , 北京航空航天大学
IPC: G06F18/241 , A61B5/372 , A61B5/00 , G06N3/0455
Abstract: 本发明涉及一种面向微状态分析实现脑电少通道发现处理的方法，包括以下步骤：对采集的静息态脑电数据进行预处理；构建微状态监测模块，根据序列样本进行训练，并构建通道重要性生成排序模块，结合基于输入梯度的归因分析技术，发现非均匀分布的少通道；验证少通道微状态的重测信度。采用了该面向微状态分析实现脑电少通道发现处理的方法、系统、装置、处理器及其计算机可读存储介质，提供的面向微状态分析的脑电少通道发现方法，首次从可解释深度学习的角度对脑电微状态监测任务进行建模，得到非均匀分布的少通道发现，与全部通道以及经验选择的对称少通道对比，发现的少通道脑电微状态重测信度能够达到较高水平，并且优于经验选择的对称少通道。
-
公开(公告)号：CN119851969A
公开(公告)日：2025-04-18
申请号：CN202510337563.8
申请日：2025-03-21
Applicant: 北京航空航天大学
IPC: G16H50/70 , G16H50/20 , G06N5/04 , G06N5/043 , G06T7/00 , G06V10/82 , G06V10/44 , G06N3/045 , G06F18/241 , G06F18/26 , A61B5/16
Abstract: 本发明公开了一种基于认知病理关联的双相情感障碍预测系统，涉及生物信号处理技术领域，包括：数据预处理模块，用于对数据集中的数据进行预处理；认知感知注意力模块，用于从预处理后的数据中提取出与双相情感障碍相关的脑区特征；协作多专家网络模块，用于根据认知感知注意力模块的输出模拟脑区间的协作互动，得到包括脑区间协作互动关系的脑区特征；因果归一化分类器，用于对协作多专家网络模块的输出进行分类处理，生成待测人员的双相情感障碍预测结果。本发明显著提高了对双相情感障碍的预测准确性、敏感性和可解释性，同时降低了计算复杂度，实现了双相情感障碍的高效预测，为精神心理疾病的早期干预提供了重要技术支持。
-
公开(公告)号：CN118962857A
公开(公告)日：2024-11-15
申请号：CN202411032783.1
申请日：2024-07-30
Applicant: 北京航空航天大学
IPC: G01W1/14 , G01W1/10 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/0985 , G06N3/082
Abstract: 本发明提供了一种基于跨尺度算子学习的垂直累积液态含水量预测方法与装置，属于智能气象技术领域，该方法包括从时空对齐的垂直累积液态含水量训练数据集中随机采样至少一个多模态时空序列；根据多模态时空序列，构建基于跨尺度算子学习的含水量预测模型，并对含水量预测模型进行训练；利用已训练的含水量预测模型，预测垂直累积液态含水量时空序列的未来预测结果。本发明有效提高了垂直累积液态含水量预测的准确性。
-
公开(公告)号：CN118948212A
公开(公告)日：2024-11-15
申请号：CN202411032784.6
申请日：2024-07-30
Applicant: 北京航空航天大学
Abstract: 本发明提供了一种基于双支路多模态序列学习的影像分析方法，属于医学影像分析技术领域，该方法包括构建多模态嵌入模块，并利用可学习参数填补缺失多模态疾病数据，融合经填补后的多模态特征，得到受试者的编码特征；利用包括静态信息分析模块和动态信息分析模块的双支路结构对编码特征进行分析，得到双支路多模态影像分析特征；对双支路多模态影像分析特征进行融合，得到纵向队列数据中的影像特征；堆叠所有纵向队列数据中的影像特征，并利用除填补的多模态疾病数据外的多模态数据对堆叠的所有纵向队列数据中的影像特征进行分析，得到影像分析结果。本发明解决了多模态纵向队列影像分析方法对多模态信息与时序演变信息利用不充分的问题。
-
-
-
-
-
-
Search Results
7
records
(took 0.038 seconds)
