-
公开(公告)号：CN118643866A
公开(公告)日：2024-09-13
申请号：CN202410691681.4
申请日：2024-05-30
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于拓扑排序的大规模脑效应连接深度学习方法，属于脑神经及脑机接口技术等领域；首先通过多头注意力机制来深入挖掘脑区体素时间序列中的长期依赖关系，使模型能够更准确地建模脑区体素时间序列的分布特征。然后采用去噪扩散训练方法，使模型不受特定概率分布假设来提高模型鲁棒性。最后，通过拓扑排序技术获取脑区间的拓扑序列，来压缩图搜索空间，进而降低计算开销，更高效地学习大规模脑效应连接网络。本发明在建模脑区体素时间序列分布时能够更全面、准确地捕捉神经活动的复杂变化。本发明摒弃对特定概率分布的假设，使模型更灵活地适应各种脑区体素时间序列的特征。
-
公开(公告)号：CN118212989A
公开(公告)日：2024-06-18
申请号：CN202410337864.6
申请日：2024-03-24
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于生成流网络的基因调控网络构建方法，包括以下步骤：在小鼠造血干细胞的sc‑RNA‑seq数据集上进行实验，评估构建基因调控网络的性能。利用稀疏Transformer对scRNA‑seq数据进行稀疏特征提取，以便于后续更准确地构建基因调控网络；在稀疏特征提取完之后，将稀疏特征输入生成流网络模型进行基因调控网络的构建。通过生成流网络模型的多次迭代更新，得到与小鼠造血干细胞sc‑RNA‑seq数据集相关联的基因调控关系的一个概率分布，通过设定调控提取阈值提取得到最终的基因调控网络。本发明有效缓解了现有方法难以从稀疏的scRNA‑seq数据捕获复杂的基因调控关系的问题，可以作为一个有效工具为医学研究者分析基因调控机理提供参考。
-
公开(公告)号：CN114219068B
公开(公告)日：2024-04-02
申请号：CN202111356945.3
申请日：2021-11-16
Applicant: 北京工业大学
IPC: G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/049 , G06N3/0442 , G06N3/048 , G06N3/08
Abstract: 一种基于时空图卷积模型的脑效应连接网络学习方法，属于深度学习算法、脑科学和人工智能应用领域。具体包括以下步骤：参数设置，时间卷积网络提取fMRI数据的时间特征，图卷积网络提取fMRI数据的空间特征以及在最小化联合损失函数的训练过程中学习脑效应连接网络。本发明利用时间卷积网络和图卷积网络特征学习能力强和模型泛化性好的优势，有效地提取了fMRI数据深层的时间和空间特征，使模型在对脑区时间序列预测的过程中准确地、自动地学习了效应连接网络。因此，本发明提供的方法具有特征提取能力强、准确性高，模型泛化能力好等优势，可以有效地缓解以往脑效应连接网络学习方法中出现的问题。
-
公开(公告)号：CN117496270A
公开(公告)日：2024-02-02
申请号：CN202311683620.5
申请日：2023-12-10
Applicant: 北京工业大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06V10/40 , G16H30/00 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了基于卷积双向门控循环单元的动态功能连接分类方，属于脑科学研究领域。该方法包含：多尺度拓扑特征提取；双向依赖时空特征提取；双向依赖时空特征融合。首先使用卷积神经网络从每个时刻功能连接网络中提取多尺度拓扑特征。然后，它利用双向门控循环单元从多尺度拓扑特征时间序列中提取双向依赖的时空特征。最后，该方法利用一维卷积神经网络融合前、后向时空特征得到了用于分类的联合时空特征，被输入到全连接神经网络分类器进行分类。在多个脑疾病数据集上的实验结果表明，所提方法相较于其他动态功能连接分类方法有更好的分类性能。
-
公开(公告)号：CN112435742B
公开(公告)日：2023-10-20
申请号：CN202011137128.4
申请日：2020-10-22
Applicant: 北京工业大学
Abstract: 本发明公开了一种用于对fMRI脑功能连接数据进行特征约简的邻域粗糙集方法，基于双鱼群智能搜索和信息观邻域粗糙集理论，提出一种与fMRI脑功能连接数据相结合的邻域粗糙集特征约简方法。具体包括以下步骤：获取静息态fMRI数据；对fMRI数据进行预处理；建立脑功能连接决策表；使用双鱼群算法搜索分类判别能力强的特征子集；在得到的约简特征集合下，实现支持向量机分类，根据分类结果来衡量本发明所提供的方法的特征约简能力。
-
Patent Agency Ranking
公开(公告)号：CN113040715B
公开(公告)日：2023-06-02
申请号：CN202110257319.2
申请日：2021-03-09
Applicant: 北京工业大学
IPC: A61B5/00
Abstract: 本发明涉及一种基于卷积神经网络的人脑功能网络分类方法，用于解决现有方法忽略脑网络的模块化特性，分类准确率低的问题，具体包括获取静息态fMRI数据并进行预处理，利用预处理后fMRI时间序列信号计算各个脑区间的功能连接强度，构建真实的人脑功能网络数据集；将真实数据集和仿真数据集分别划分为训练集、验证集和测试集；构建基于尺度模块化特征的卷积神经网络CNN‑MF，用于对人脑功能网络进行分类；模型训练；利用训练完成的模型进行分类，由此实现对脑疾病发现和诊断帮助。本发明所述方法可以有效地利用人脑功能网络数据中的模块化结构信息，从而更准确地进行脑疾病诊断。
-
公开(公告)号：CN114219069A
公开(公告)日：2022-03-22
申请号：CN202111356966.5
申请日：2021-11-16
Applicant: 北京工业大学
Abstract: 一种基于自动变分自编码器的脑效应连接网络学习方法，属于深度学习算法领域。首先对模型进行参数初始化，然后利用自动变分自编码器的编码网络从各脑区的fMRI数据中学习潜变量，并通过解码网络从潜变量中获得生成的fMRI数据。最后，当生成的fMRI数据和真实的fMRI数据高度相似时，模型在迭代训练的过程中可以学习到一个最优的脑效应连接网络。本发明利用融合了比例‑积分控制器的变分自编码器自适应地调节模型的参数，在端到端的训练过程中自动、准确地学习了人脑的效应连接网络。因此，本发明具有参数少、准确性高，泛化能力强等优势，可以有效地缓解现有的脑效应连接网络深度学习方法中人工调参困难的问题。
-
公开(公告)号：CN113313199A
公开(公告)日：2021-08-27
申请号：CN202110685415.7
申请日：2021-06-21
Applicant: 北京工业大学
Abstract: 本发明提出一种基于弱监督注意力的脑CT医学报告自动生成的方法，涉及医学图像，计算机视觉和自然语言处理三个领域，设计了一种弱监督注意力机制WGAM明确地引导注意模型聚焦于病灶区域，从而提高医学报告生成的准确性。WGAM是一个层级结构，包括空间注意力和序列注意力两种注意力机制，其中空间注意力被梯度加权类激活映射算法弱监督以获得更好的注意力效果。设计了关键词驱动的交互循环网络KIRN作为语言生成模块生成脑CT医学报告，通过包含病灶位置信息的关键词信息激活语言生成模块的隐藏层状态，通过LSTMword和LSTMsen的动态交互提升生成脑CT影像报告生成的准确性。本发明首此探索脑CT医学报告自动生成的工作，并取得了有效性。
-
公开(公告)号：CN109034360A
公开(公告)日：2018-12-18
申请号：CN201810772541.4
申请日：2018-07-13
Applicant: 北京工业大学
CPC classification number: G06N3/006 , G06K9/6288 , G16H50/70
Abstract: 本发明公开了一种从fMRI和DTI数据中构建脑效应连接网络的蚁群方法，该方法充分利用脑结构和功能之间的关系及蚁群算法易于进行信息融合的特点。通过将脑结构信息和功能信息融于蚁群算法搜索脑效应连接网络中，旨在获得更符合大脑生理结构的脑效应连接网络。具体包括以下步骤：对两组磁共振数据进行预处理，选取相同的感兴趣区域；利用DTI数据获取感兴趣区域的结构约束信息，并使用结构信息来压缩蚁群搜索的空间，以避免蚁群的许多不必要的搜索；然后在蚁群随机搜索中通过将结构信息融合于启发函数中，以增强蚂蚁搜索的目的性，改进算法的优化效率；最后蚁群算法通过迭代搜索，寻找与fMRI数据最匹配的脑效应连接网络。本方法准确地识别脑效应连接网络。
-
公开(公告)号：CN104850594A
公开(公告)日：2015-08-19
申请号：CN201510206140.9
申请日：2015-04-27
Applicant: 北京工业大学
IPC: G06F17/30
CPC classification number: G06F17/30598
Abstract: 一种适合大规模数据的快速非递归聚类方法属于数据挖掘技术领域。该方法采用两层循环实现数据聚类，先定义了两个定位指针，然后从数据序列中随机选定一个基准数据看作簇的代表数据，并将其交换到待处理数据的最右边，同时定义扫描过程指针并初始化。对待处理数据进行扫描并计算剩余数据和该基准数据的相似度值并和用户阈值比较，根据比较结果调整剩余数据在序列中的位置，遵循相似度值大于用户阈值的数据交换到序列左侧，相似度值小于用户阈值的数据交换到序列右侧，就完成了一次数据分割。最后重置定位指针，定位新的待处理数据并返回外层循环继续执行，直到整个数据序列聚类完成。本发明适用于球型数据且对时间有较高要求的大规模数据集聚类。
-
-
-
-
-
-
-
-
-
Search Results
72
records
(took 0.028 seconds)
