-
公开(公告)号：CN117934977B
公开(公告)日：2024-05-31
申请号：CN202410330368.8
申请日：2024-03-22
Applicant: 烟台大学
IPC: G06V10/764 , G06V10/44 , G06V10/80 , G06T7/00
Abstract: 本发明涉及医学影像处理分析技术领域，具体为基于图连接和图节点的脑网络分类方法、系统和设备；该脑网络分类方法首先基于脑区影像组学特征矩阵，获取脑区间连接性矩阵；然后，将图连接处理脑区间连接性矩阵后得到的脑区间图连接性矩阵，与脑区图节点特征矩阵进行融合，得到融合特征脑网络；接着，将融合特征脑网络进行全连接处理、非线性处理和加权处理，得到脑网络注意力特征；接着，将脑网络注意力特征进行脑区间维度的池化聚合处理和脑区维度的池化聚合处理，得到表达能力强且还能提高计算效率的脑网络节点池化特征；最后，脑网络节点池化特征经分类处理，得到脑网络分类结果；该分类方法具有较高的准确率、敏感性和特异性。
-
公开(公告)号：CN117172294A
公开(公告)日：2023-12-05
申请号：CN202311443805.9
申请日：2023-11-02
Applicant: 烟台大学
Abstract: 本发明涉及图像数据处理技术领域，具体为一种稀疏脑网络的构建方法、系统、设备和存储介质，该构建方法让由待检者和辅助受试者集的T1加权成像集获得的形态学脑网络集去学习拓扑结构表现形式，并通过组稀疏表示方法，关注不同组之间的差异性，得到脑区域间联合约束组矩阵图，经目标函数最小化处理，减小脑区域间联合约束组矩阵图中待检者与其他受试者的脑区域连接关系的差异性，增强待检者脑区域内的神经纤维束生物学表达强度，提高稀疏脑网络的特征表达效果，便于提取与阿尔茨海默病相关的神经纤维束生物学表达，从而达到提高阿尔茨海默病神经影像研究结果准确度的目的。
-
公开(公告)号：CN117934977A
公开(公告)日：2024-04-26
申请号：CN202410330368.8
申请日：2024-03-22
Applicant: 烟台大学
IPC: G06V10/764 , G06V10/44 , G06V10/80 , G06T7/00
Abstract: 本发明涉及医学影像处理分析技术领域，具体为基于图连接和图节点的脑网络分类方法、系统和设备；该脑网络分类方法首先基于脑区影像组学特征矩阵，获取脑区间连接性矩阵；然后，将图连接处理脑区间连接性矩阵后得到的脑区间图连接性矩阵，与脑区图节点特征矩阵进行融合，得到融合特征脑网络；接着，将融合特征脑网络进行全连接处理、非线性处理和加权处理，得到脑网络注意力特征；接着，将脑网络注意力特征进行脑区间维度的池化聚合处理和脑区维度的池化聚合处理，得到表达能力强且还能提高计算效率的脑网络节点池化特征；最后，脑网络节点池化特征经分类处理，得到脑网络分类结果；该分类方法具有较高的准确率、敏感性和特异性。
-
公开(公告)号：CN117172294B
公开(公告)日：2024-01-26
申请号：CN202311443805.9
申请日：2023-11-02
Applicant: 烟台大学
Abstract: 本发明涉及图像数据处理技术领域，具体为一种稀疏脑网络的构建方法、系统、设备和存储介质，该构建方法让由待检者和辅助受试者集的T1加权成像集获得的形态学脑网络集去学习拓扑结构表现形式，并通过组稀疏表示方法，关注不同组之间的差异性，得到脑区域间联合约束组矩阵图，经目标函数最小化处理，减小脑区域间联合约束组矩阵图中待检者与其他受试者的脑区域连接关系的差异性，增强待检者脑区域内的神经纤维束生物学表达强度，提高稀疏脑网络的
-
-
-
Search Results
4
records
(took 0.014 seconds)
