公开(公告)号：CN119296759A

公开(公告)日：2025-01-10

申请号：CN202411176148.0

申请日：2024-08-26

Applicant: 浙江大学滨江研究院 ,  浙江大学

Inventor： 张宏 ,  刘昀博 ,  付钰 ,  于祥 ,  薛乐

IPC: G16H50/20 ,  G16H30/20 ,  G16H15/00 ,  G06T11/00 ,  G06T7/00 ,  G06T7/11 ,  G06F3/04845 ,  G06N3/045 ,  G06N3/0475 ,  A61B6/03 ,  A61B6/50

Abstract: 本发明公开了一种普适性医学影像辅助诊断系统，包括：超低放射性成像模块，该模块采用了3D CycleGAN网络作为PET图像重建的基本骨架；癫痫病灶定位分析模块，该模块基于深度学习中的自适应医学影像分割框架；用户界面，该用户界面用于提供图形化操作界面，支持多种交互方式，以满足不同医生的使用习惯；数据存储与管理模块，该模块负责系统中所有医学影像数据和相关信息的存储、备份和管理，具备数据检索和查询功能，支持远程访问和共享。本发明的普适性医学影像辅助诊断系统，不仅能够显著降低患者的辐射暴露，还能提高病灶定位的准确性和可靠性，为癫痫等神经系统疾病的诊断和治疗提供有力的技术支持。

公开(公告)号：CN117982104A

公开(公告)日：2024-05-07

申请号：CN202410142638.2

申请日：2024-02-01

Applicant: 浙江大学滨江研究院

Inventor： 张宏 ,  付钰 ,  黄岩岩 ,  薛乐 ,  刘昀博 ,  卓成

IPC: A61B5/00 ,  G06V10/82 ,  G06V10/80 ,  G06V10/44 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/084 ,  G06N3/09 ,  A61B5/055

Abstract: 本发明公开了一种基于最优传输理论的脑龄评估方法，包括：步骤1、设计端到端神经网络架构，包括OTFPF模块、3D OL‑ConvNeXt模块和融合模块。步骤2、在前三个路径中，每个路径包含四个3D OL‑ConvNeXt模块。步骤3、将3D FPFN输出的特征金字塔通过OTEM进行融合，OTEM采用Kantorovich公式。步骤4、引入新的被试者水平排序损失，采用线性规划和强凸正则化技术，将排名操作转换为可有效优化的投影运算，用于优化网络。损失函数由被试者水平排序损失和均方误差损失组成，其中被试者水平排序损失可通过soft ranking策略实现高效计算。步骤5、将四个路径的输出连接，并通过多层感知器(MLP)生成最终的脑龄估计结果。

公开(公告)号：CN118629673A

公开(公告)日：2024-09-10

申请号：CN202410142635.9

申请日：2024-02-01

Applicant: 浙江大学滨江研究院

Inventor： 张宏 ,  付钰 ,  刘昀博 ,  张喆 ,  薛乐 ,  卓成

IPC: G16H70/60 ,  G06T7/00 ,  G06N3/0442 ,  A61B5/00 ,  A61B5/055

Abstract: 本发明公开了解析性别相关的人脑非线性因果老化机制的分析系统，包括：步骤1、使用Leipzig Study for Mind‑Body‑Emotion Interactions(LEMON)公共数据库采集的静息态功能性磁共振成像(rs‑fMRI)数据作为分析样本；步骤2、使用Data Processing&Analysis for Brain Imaging(DPABI)软件对rs‑fMRI进行预处理；步骤3、使用分量级长短时记忆网络(cLSTM)为每个脑区域构建基于NGC的功能连接(FC)矩阵；步骤4、在脑区域尺度和子网络尺度上定义了因果影响流。步骤5、应用错误发现率(FDR)校正来控制多重比较下的误差，设置配对比较的阈值，通常要求p值小于0.05。使用置换检验或t检验来进行组间分析，并在不同脑网络尺度上比较组间NGC相互作用的差异性。

公开(公告)号：CN116644313A

公开(公告)日：2023-08-25

申请号：CN202310520022.X

申请日：2023-05-10

Applicant: 浙江大学滨江研究院

Inventor： 付钰 ,  刘昀博 ,  薛乐 ,  卓成 ,  张宏

IPC: G06F18/214 ,  A61B5/00 ,  A61B5/055 ,  G06F18/22 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于全卷积网络的轻量级脑龄评估模型构建方法，包括如下步骤：步骤一，收集健康被试者的sMRI数据和对应的年龄信息，构成训练集、测试集和验证集；步骤二，构建用于执行人脑年龄评估的SFCNeXt神经网络，包括SPEC模块和HRL模块；步骤三，使用训练集对SFCNeXt神经网络进行训练，获得用于评估人脑年龄的脑年龄评估模型；步骤四，对SFCNeXt的参数进行评估，并与其他轻量级SOTA模型的比较，比较完成后进行SFCNeXt的消融实验，以验证该模型的有效性和稳定性，之后完成评估模型的构建。本发明的基于全卷积网络的轻量级脑龄评估框架构建方法，首先，评估了SFCNeXt参数的不同组合形式，并论证了SFCNeXt的参数集合形式。其次，将SFCNeXt与现有的轻量级SOTA模型进行了比较。