-
公开(公告)号：CN117292232B
公开(公告)日：2024-02-06
申请号：CN202311575553.5
申请日：2023-11-24
Applicant: 烟台大学
Abstract: 息。本发明涉及图像数据处理技术领域，具体为T1加权成像的多维空间特征获取方法、系统和设备，通过将T1加权成像的灰质图像进行局部特征聚合、全局特征聚合和局部特征降维处理，得到欧式空间特征向量；接着，将T1加权成像的形态学脑网络，与经过节点和边信息聚合处理和相关图空间矩阵运算的形态学脑网络，进行对应位置的矩阵图元素相加后，得到第一图空间特征向量；随后，将形态学脑网络的一维向量，进行矩阵图相关标准处理和简化处理，得到第二图空间特
-
公开(公告)号：CN117292232A
公开(公告)日：2023-12-26
申请号：CN202311575553.5
申请日：2023-11-24
Applicant: 烟台大学
Abstract: 本发明涉及图像数据处理技术领域，具体为T1加权成像的多维空间特征获取方法、系统和设备，通过将T1加权成像的灰质图像进行局部特征聚合、全局特征聚合和局部特征降维处理，得到欧式空间特征向量；接着，将T1加权成像的形态学脑网络，与经过节点和边信息聚合处理和相关图空间矩阵运算的形态学脑网络，进行对应位置的矩阵图元素相加后，得到第一图空间特征向量；随后，将形态学脑网络的一维向量，进行矩阵图相关标准处理和简化处理，得到第二图空间特征向量；最后，将三种不同维度的空间特征进行融合，获得空间信息丰富的T1加权成像特征向量，便于后续病理研究中获取丰富准确的脑部信息。
-
公开(公告)号：CN117122303A
公开(公告)日：2023-11-28
申请号：CN202311394088.5
申请日：2023-10-26
Applicant: 烟台大学
Abstract: 本发明涉及图像处理技术领域，具体为一种脑网络的预测方法、系统、设备和存储介质，该预测方法通过对T1加权成像的影像组学特征和形态学脑网络进行线性处理、特征提取和残差连接处理等，得到的深度特征矩阵进行皮尔逊相关性处理后，与初始的形态学脑网络继续进行线性处理、特征提取、残差连接、多线性变化处理等，得到节点特征和网络拓扑信息丰富的预测功能连通性网络，从而更好地预测学习大脑功能连通性网络的拓扑结构和连接强度值，实现了T1加权成像形态学脑网络到功能磁共振成像功能连接网络的准确预测，得到真实性更高的预测结果，增强了结构核磁共振成像和功能磁共振成像在临床实践中的应用，对脑科学研究具有重要意义。
-
公开(公告)号：CN117122303B
公开(公告)日：2024-01-30
申请号：CN202311394088.5
申请日：2023-10-26
Applicant: 烟台大学
Abstract: 本发明涉及图像处理技术领域，具体为一种脑网络的预测方法、系统、设备和存储介质，该预测方法通过对T1加权成像的影像组学特征和形态学脑网络进行线性处理、特征提取和残差连接处理等，得到的深度特征矩阵进行皮尔逊相关性处理后，与初始的形态学脑网络继续进行线性处理、特征提取、残差连接、多线性变化处理等，得到节点特征和网络拓扑信息丰富的预测功能连通性网络，从而更好地预测学习大脑功能连通性网络的拓扑结构和连接强度值，实现了T1加权成像形态学脑网络到功能磁共振成像功能连接网络的准确预测，得到真实性更高的预测结果，增强了结构核磁共振成像和功能磁共振成像在临床实践中的应用，对脑科学研究具有重要意义。
-
-
-
Search Results
4
records
(took 0.022 seconds)
