公开(公告)号：CN115713509A

公开(公告)日：2023-02-24

申请号：CN202211437649.0

申请日：2022-11-17

Applicant: 河北工业大学

Inventor： 郝小可 ,  温鹏 ,  王晓芳 ,  阎刚 ,  甄时伟 ,  王静怡 ,  李家旺

IPC: G06T7/00 ,  G06V10/25 ,  G06V10/764 ,  G06V10/774 ,  G06V40/10

Abstract: 本发明为一种多站点无监督域自适应的医学影像分类方法，首先获取多站点的医学影像样本，并对样本进行预处理，得到样本的特征向量；再选取一个站点的样本作为目标域数据，其余站点的样本均作为源域数据，将源域各个站点样本的特征向量进行堆叠构建源域特征矩阵，并对源域和目标域特征矩阵进行筛选，提取关键特征信息；然后，构建分类器，并以对齐多个源域与单个目标域的特征分布为优化目标构建目标函数；最后，对分类器进行迭代优化，直至目标函数收敛，获取最优分类器参数。该方法采用域自适应方法对齐多个源域与单个目标域数据之间的特征分布，以消除各个源域与目标域数据之间的分布差异，在分类器优化过程中同时计算源域数据向目标域数据迁移学习过程中各个源域的贡献程度，在样本有限的情况下也具有较高的分类精度。

公开(公告)号：CN115496953B

公开(公告)日：2025-05-27

申请号：CN202211345300.4

申请日：2022-10-31

Applicant: 河北工业大学

Inventor： 郝小可 ,  闵虹杰 ,  王晓芳 ,  阎刚 ,  李家旺 ,  王静怡 ,  甄时伟

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/26 ,  G06V10/25 ,  G06V10/20

Abstract: 本发明为基于时空图卷积的脑网络分类方法，对于静息态功能磁共振影像数据的时间序列，使用拆分的时空图卷积同时提取时间特征和空间特征。该方法首先采用基于体素形态的分析法对静息态功能磁共振影像进行分析，利用大脑模板将大脑皮层划分为多个感兴趣区域，将大脑建模为图结构的脑网络，并利用多个时空图卷积层分别提取时间特征和空间特征，降低了卷积操作的复杂度。为了进一步提升训练效果，该方法利用三元组损失函数来提升模型训练效果，使用时空图注意力模块来进一步提取空间特征和时间特征，从而提高基于大脑网络的分类精度。

公开(公告)号：CN115496953A

公开(公告)日：2022-12-20

申请号：CN202211345300.4

申请日：2022-10-31

Applicant: 河北工业大学

Inventor： 郝小可 ,  闵虹杰 ,  王晓芳 ,  阎刚 ,  李家旺 ,  王静怡 ,  甄时伟

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/26 ,  G06V10/25 ,  G06V10/20

Abstract: 本发明为基于时空图卷积的脑网络分类方法，对于静息态功能磁共振影像数据的时间序列，使用拆分的时空图卷积同时提取时间特征和空间特征。该方法首先采用基于体素形态的分析法对静息态功能磁共振影像进行分析，利用大脑模板将大脑皮层划分为多个感兴趣区域，将大脑建模为图结构的脑网络，并利用多个时空图卷积层分别提取时间特征和空间特征，降低了卷积操作的复杂度。为了进一步提升训练效果，该方法利用三元组损失函数来提升模型训练效果，使用时空图注意力模块来进一步提取空间特征和时间特征，从而提高基于大脑网络的分类精度。