-
公开(公告)号：CN117058471B
公开(公告)日：2024-01-09
申请号：CN202311315976.3
申请日：2023-10-12
Applicant: 之江实验室
IPC: G06V10/764 , G06V10/774 , G06V10/26 , G06V10/762
Abstract: 本申请涉及一种基于正常脑影像数据库的疾病脑影像分型系统，所述系统包括数据库构建模块、分型特征处理模块、扰动目标获取模块和脑影像分型模块。数据库构建模块用于构建的正常脑影像数据库；分型特征处理模块用于基于各待分型疾病脑影像的第二脑影像特征和正常脑影像数据库中的第一脑影像特征，确定各待分型疾病脑影像的第二结构协方差网络；扰动目标获取模块用于基于各第二结构协方差网络对正常脑影像数据库中第一结构协方差网络的各脑区连接的扰动程度，确定待分型疾病脑影像的目标脑区连接；脑影像分型模块用于对目标脑区连接进行聚类得到待分型疾病脑影像的分型结果。采用本系统实现了疾病脑影像的智能分型，提高了疾病脑影像分型准确率。
-
公开(公告)号：CN116973823B
公开(公告)日：2024-01-09
申请号：CN202311237701.2
申请日：2023-09-25
Applicant: 之江实验室
IPC: G01R33/56
Abstract: 本申请涉及一种基于全稳态平衡进动的线扫描磁共振成像方法和系统，所述方法包括：基于获取的梯度回波，对待扫描物体进行扫描；在扫描过程中，利用线扫描依次对所述梯度回波的重复周期进行相位编码，并采集各周期内不同时刻对应的一组相位编码线元，基于磁共振成像序列的K空间的帧数，将相位编码线元依次横向填充至各帧的相位编码行中，得到待扫描物体的磁共振信号，其中，在各周期的梯度回波结束时，基于重聚脉冲对残余横向磁化强度进行聚相，生成残余磁化信号，增强下一个周期的梯度回波信号；最后基于磁共振信号，生成待扫描物体的磁(56)对比文件Plein, S等.Steady-state freeprecession magnetic resonance imaging ofthe heart: Comparison with segmented K-space gradient-echo imaging《.JOURNAL OFMAGNETIC RESONANCE IMAGING》.2001,第14卷(第3期),全文.
-
公开(公告)号：CN117095823A
公开(公告)日：2023-11-21
申请号：CN202311352677.7
申请日：2023-10-19
Applicant: 之江实验室
Abstract: 本申请涉及一种基于孪生脑仿真模型的药物成瘾关联脑区确定系统，其中，基于孪生脑仿真模型的药物成瘾关联脑区确定系统通过第一获得模块获得所述被试者的人脑结构连接矩阵和人脑经验功能连接矩阵；通过模拟模块获得所述被试者所有脑区均稳定的兴奋性发放率；通过第二获得模块获得所述被试者的模拟人脑功能连接矩阵；通过更新模块获得所述被试者各个脑区的最优GABA能循环加权；通过确定模块确定所述药物成瘾被试者GABA能系统受到影响的脑区。解决了由于现有技术的限制很难从递质的合成和代谢水平研究药物成瘾被试者与健康被试者脑区的区别的问题，可以实现定位到药物成瘾后对药物成瘾被试者大脑GABA能系统产生主要影响的脑区。
-
公开(公告)号：CN117036894A
公开(公告)日：2023-11-10
申请号：CN202311297044.0
申请日：2023-10-09
Applicant: 之江实验室
IPC: G06V10/80 , G06V10/764 , G06V10/774 , G06V10/26 , G06V10/74 , G06V10/82 , G06N3/08
Abstract: 本申请涉及一种基于深度学习的多模态数据分类方法、装置及计算机设备。所述方法包括：获取待分类数据，所述待分类数据至少包括医学图像以及人口学信息；基于所述待分类数据确定数据特征，所述数据特征包括图像特征以及人口学信息特征，所述图像特征通过将所述医学图像输入特征提取模型得到；将所述数据特征输入训练好的分类器，确定分类结果。通过特征提取模型提取图像特征，并综合考虑图像特征和人口学信息特征，通过分类器确定分类结果，能够在待分类数据包括多种数据类型的多模态数据的情况下对待分类数据进行分类，有效提高分类结果的准确性。
-
公开(公告)号：CN117011352A
公开(公告)日：2023-11-07
申请号：CN202311259233.9
申请日：2023-09-27
Applicant: 之江实验室
Abstract: 本申请涉及一种标准脑图谱构建方法、装置和计算机设备。所述方法包括：将脑部图像配准到至少一个参考体积空间以及标准体积空间，得到至少一个所述参考体积空间与所述标准体积空间的第一映射关系；将所述脑部图像配准到至少一个参考表面空间以及所述标准体积空间，得到至少一个所述参考表面空间与所述标准体积空间的第二映射关系；基于待配准脑图谱所在的空间，确定至少一个所述第一映射关系或至少一个所述第二映射关系中对应的目标映射关系，并基于所述目标映射关系将所述待配准脑图谱配准到所述标准体积空间，得到标准脑图谱。采用本方法能够实现高精度的不同模板空间脑图谱的统一映射，提高了脑图谱的利用效率。
-
Patent Agency Ranking
公开(公告)号：CN116863025A
公开(公告)日：2023-10-10
申请号：CN202311136376.0
申请日：2023-09-05
Applicant: 之江实验室
IPC: G06T11/00
Abstract: 本申请涉及一种脑磁图数据的溯源重建方法、装置、电子装置和介质，其中，该方法包括：获取目标对象的待处理脑磁图数据；对待处理脑磁图数据进行标准化预处理，以及事件相关场分析，得到事件相关场结果；基于目标对象的磁共振结构像数据构建目标对象的头部模型，并基于用户指令构建源空间；基于头部模型与源空间计算正向解；基于事件相关场结果以及正向解进行溯源重建，得到源空间的源估计结果；基于源空间的源估计结果以及标准空间中脑图谱模板，生成脑图谱溯源重建结果。通过本申请，解决了脑磁图数据溯源重建结果通用性较低的问题，借助神经影像领域常用的脑图谱工具，给脑磁图数据处理和分析流程增加了一定的通用性和可比较性。
-
公开(公告)号：CN116584959B
公开(公告)日：2023-09-26
申请号：CN202310866162.2
申请日：2023-07-14
Applicant: 之江实验室
Abstract: 本申请涉及一种脑深部电刺激期间的锋电位检测及特征提取方法和系统，其中，该方法包括：对原始神经电信号进行识别并消除刺激伪迹，得到第一信号；对第一信号进行抑制扰动信号的数据变换，得到第二信号；根据第二信号，对第一信号进行判定检测，得到初始锋电位时间序列；设置锋电位幅值阈值，根据初始锋电位时间序列和锋电位幅值阈值，对第一信号进行判定检测，得到目标锋电位信号；对目标锋电位信号进行波形特征提取，得到目标锋电位时间序列和波形特征，通过本申请，解决了现有技术中无法准确识别细胞外记录的神经电信号中的单个神经细胞放电所产生的锋电位问题，提高了对于神经细胞放电所产生的锋电位的识别准确性。
-
公开(公告)号：CN116522003B
公开(公告)日：2023-09-12
申请号：CN202310805640.9
申请日：2023-07-03
Applicant: 之江实验室
IPC: G06F16/9535 , G06F16/951 , G06F40/194 , G06F40/242 , G06Q30/0601
Abstract: 本申请涉及一种基于嵌入表压缩的信息推荐方法、装置、设备和介质。所述方法包括：通过根据预设压缩比例，确定推荐模型的待压缩嵌入表中的待压缩特征与非压缩特征，基于所述待压缩特征与所述非压缩特征之间的相似度，生成相似度索引矩阵。然后基于所述相似度索引矩阵，生成索引字典，根据所述索引字典对第一特征映射字典进行替换，生成第二特征映射字典。最后在获取待推荐数据后，根据所述第二特征映射字典替换所述待推荐数据中的特征，将替换后的特征输入至所述推荐模型，输出预测结果。实现了在不过度影响推荐模型的模型精度前提下，提高嵌入表的压缩效率，大幅降低模型的存储开销，提高模型的推理速度。
-
公开(公告)号：CN116228724A
公开(公告)日：2023-06-06
申请号：CN202310237440.8
申请日：2023-03-07
Applicant: 之江实验室
Abstract: 本申请涉及一种脑皮层形态网络生成方法、装置、电子装置和存储介质，其中，该脑皮层形态网络生成方法包括：获取目标对象的脑皮层重建图像；对脑皮层重建图像进行分割，得到脑皮层的多个目标区域，以及每一目标区域的顶点集；将每一目标区域的顶点集中的顶点进行连接，得到每一目标区域对应的子网络；基于目标叶子节点与其他叶子节点是否相邻，确定目标叶子节点的状态；若目标叶子节点的状态为待连接状态，则确定出与目标叶子节点对应的连接叶子节点；将每一子网络中处于待连接状态的叶子节点与对应的连接叶子节点连接，生成目标对象的脑皮层形态网络。通过本申请，解决了脑皮层形态网络生成效率较低，提高了脑皮层形态网络生成的效率。
-
公开(公告)号：CN115359236B
公开(公告)日：2023-03-28
申请号：CN202211276176.0
申请日：2022-10-19
Applicant: 之江实验室
Abstract: 本发明公开了一种基于机器学习的工作记忆任务脑磁图分类系统，包括脑磁图数据采集模块、脑磁图数据预处理模块、脑磁图源重建模块和机器学习分类模块，其中脑磁图数据采集模块用于采集被试不同工作记忆任务态的脑磁图数据，脑磁图数据预处理模块用于对不同工作记忆任务态的脑磁图数据进行质量控制并分离噪声和伪影，脑磁图源重建模块用于对经过脑磁图数据预处理模块的数据进行传感器信号分析及源重建分析，机器学习分类模块以功率时间序列作为特征，对被试所属的工作记忆任务进行分类。本发明整合了对工作记忆脑磁图数据完整的从预处理到源重建的分析流程，对工作记忆任务脑磁图数据分类，对于工作记忆解码和大脑记忆相关机制的研究有重要意义。
-
-
-
-
-
-
-
-
-
Search Results
70
records
(took 0.04 seconds)
