公开(公告)号：CN119867752A

公开(公告)日：2025-04-25

申请号：CN202411783505.X

申请日：2024-12-06

Applicant: 杭州电子科技大学

Inventor： 贾均灏 ,  秦飞巍 ,  梁若予 ,  张驰 ,  王昌淼 ,  孙逸飞 ,  彭勇

IPC: A61B5/16 ,  A61B5/055 ,  A61B5/00 ,  G16H50/20 ,  G06F18/25 ,  G06F18/24 ,  G06F18/15 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/09 ,  G06N3/094

Abstract: 本发明涉及一种基于多模态注意力融合网络的ADHD分类诊断方法，包括数据预处理、特征提取、跨模态注意力融合、Mamba模块应用、特征融合与分类和损失函数与模型优化。本发明通过整合功能性磁共振成像(fMRI)、结构性磁共振成像(sMRI)以及表型数据(包括年龄、性别、平均智商等)来提高ADHD的诊断准确性。

公开(公告)号：CN120014691A

公开(公告)日：2025-05-16

申请号：CN202510408322.8

申请日：2025-04-02

Applicant: 杭州电子科技大学

Inventor： 贾均灏 ,  孙逸飞 ,  蒋硕 ,  宋妍慧 ,  施雨婷 ,  郑涵文 ,  秦飞巍

IPC: G06V40/18 ,  G06V10/774 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/0455 ,  G06T7/00

Abstract: 本发明公开了一种基于选择性状态空间融合的眼科影像分类方法，该方法首先获取眼底医学影像数据，进行预处理，生成眼底医学影像数据集。其次构建S3FNet模型，通过小波多尺度特征提取器、归纳偏置Transformer编码器IBTE和多模型聚合模块MA的协同工作实现眼底医学影像的分类。最后使用眼底医学影像数据集对S3FNet模型进行训练和测试评估，生成最终的分类模型。本发明提显著提升了眼底医学影像特征提取的效率和精度，完成眼科疾病的分类准确性。

公开(公告)号：CN118697347A

公开(公告)日：2024-09-27

申请号：CN202410696301.6

申请日：2024-05-31

Applicant: 杭州电子科技大学

Inventor： 贾均灏 ,  张文玥 ,  夏敬博 ,  毛索尔 ,  陆巧丽 ,  秦飞巍 ,  彭勇

IPC: A61B5/16 ,  A61B5/369 ,  A61B5/372 ,  A61B5/00 ,  G06F18/243 ,  G06F18/214 ,  G06F18/2113

Abstract: 本发明公开了一种基于VMD‑WmRMR‑DF的注意力缺陷多动障碍分类方法，包括如下步骤：步骤1、构建DF‑ADHDNet模型，所述DF‑ADHDNet模型以深度森林分类器为主网络，并在深度森林分类器中集成信号分解模块和特征选择模块；步骤2、获取ADHD患者和正常受试者的EEG信号，分别对两者的信号进行标签并构成数据集，对数据集进行预处理，将预处理后的数据集按比例划分为训练集和测试集；步骤3、使用训练集对DF‑ADHDNet模型进行训练，并对网络模型参数调优，使网络达到最优效果；步骤4、使用测试集评估完成训练后得到最终的DF‑ADHDNet模型；步骤5、应用最终的DF‑ADHDNet模型实现ADHD分类。该方法实现了自动化、智能化的ADHD诊断功能，并具有较高的诊断准确率和效率。