-
公开(公告)号：CN117438054A
公开(公告)日：2024-01-23
申请号：CN202311724898.2
申请日：2023-12-15
Applicant: 之江实验室
IPC: G16H30/20 , G06F16/11 , G06F16/16 , G06F16/172
Abstract: 本申请涉及一种脑影像数据的BIDS格式自动转换方法和装置。所述方法包括：基于接收到的待转换脑影像数据的文件存储路径，确定待转换脑影像数据的架构类型；根据架构类型以及待转换脑影像数据的各级文件夹，得到待转换脑影像数据中的被试文件夹；基于被试文件夹，获取被试文件夹中的BIDS格式的被试名称和BIDS格式的session名称；根据BIDS格式的被试名称、BIDS格式的session名称以及每种模态和数据类型所对应的BIDS字段，按照预设的命名规则，确定被试文件夹中所有序列对应的BIDS名称；将转换完成的BIDS文件保存在与BIDS文件的BIDS名称所对应的文件夹中。采用本方法能够实现将DICOM格式的脑影像数据转换为脑影像分析平台直接可以处理的BIDS格式的脑影像数据。
-
公开(公告)号：CN116740221B
公开(公告)日：2023-10-20
申请号：CN202311029640.0
申请日：2023-08-16
Applicant: 之江实验室
Abstract: 本申请涉及实时脑功能激活图生成方法、装置、计算机设备和介质，获取待处理实时磁共振数据及与待处理实时磁共振数据时间点对应的实验标签信息；利用脑图谱模板将待处理实时磁共振数据转换成与脑区数量对应的图结构文件；将图结构文件及与其时间点对应的实验标签信息输入到训练完备的图神经网络，输出实时脑功能激活图；图神经网络被一组基于血液动力学模型产生的不同的血液动力学响应基函数约束；各个血液动力学响应基函数对图神经网络进行约束的权重可进行调节；在对图神经网络进行训练的过程中，各个血液动力学响应基函数对图神经网络进行约束的权重经过训练并确定，有效提高脑功能激活计算的准确性，并及时地刻画被试当前大脑激活情况。
-
公开(公告)号：CN116503680B
公开(公告)日：2023-08-29
申请号：CN202310787084.7
申请日：2023-06-30
Applicant: 之江实验室
IPC: G06V10/764 , G06V10/774 , G06T7/00 , G06V10/80 , G06T3/40 , G06N3/0464 , G06N3/09 , G16H30/00
Abstract: 本申请涉及人工智能领域，特别是涉及一种基于脑图谱的脑影像结构化分析和脑疾病分类系统，包括：脑图谱标准化模块，用于基于多种脑图谱构建的脑图谱库实现脑图谱标准化；结构化映射模块，用于将多模态脑影像样本数据映射到脑图谱所在的标准空间，提取多模态脑影像样本数据的影像学指标；图构建模块，用于构建不同脑图谱所对应的图；图表征提取模块，用于提取图的图表征；非影像数据处理模块，用于对获取的非影像数据进行预处理和标准化；训练模块，用于利用预处理和标准化后的非影像数据与图表征的融合特征来训练分类器；分类模块，用于利用训练完成的分类器对采集得到的多模态脑影像数据进行分类。本发明提高脑疾病分类的准确性。
-
公开(公告)号：CN116312971A
公开(公告)日：2023-06-23
申请号：CN202310538580.9
申请日：2023-05-15
Applicant: 之江实验室
IPC: G16H20/70 , G06N5/025 , G06N3/042 , G06N3/0464 , G06N3/08 , G06V20/70 , G06V10/774 , G06V10/80
Abstract: 本申请涉及一种认知训练素材生成方法、认知训练方法、装置和介质，包括：获取第一特征和第二特征，第一特征包括多媒体素材和对应的语义信息，第二特征包括磁共振表征，第一特征和第二特征存在关联关系；拟合第一特征和第二特征，根据拟合结果和预设脑图谱得到语义图谱，根据语义图谱获取与目标靶点对应的目标语义信息；将第一特征作输入，将第二特征作为约束条件，训练深度学习模型，在深度学习模型满足收敛时，确定深度学习模型的权重参数；根据目标语义信息和深度学习模型的权重参数，生成认知训练素材，解决了无法获取能够精准激发需训练的脑功能皮层靶点的认知训练素材的问题，实现了基于被试个体、最大化训练被试大脑的认知训练素材的获取。
-
公开(公告)号：CN115359045B
公开(公告)日：2023-03-17
申请号：CN202211276172.2
申请日：2022-10-19
Applicant: 之江实验室
Abstract: 本发明公开了一种基于多模态磁共振成像的图卷积神经网络疾病预测系统,从多模态的磁共振数据中提取多个脑区跨模态下的影像组学信息作为节点的特征，提取脑区间的连接组学信息构成邻接矩阵。T1加权结构像通过皮层重建来进行皮层信息提取，静息态磁共振数据用于计算低频振幅，局部一致性以及功能连接。通过多模态数据预处理、影像指标提取和结构化数据整合，将多模态的非结构化磁共振影像数据整合成统一的图结构数据，用图卷积神经网络的方法对疾病进行预测。以本发明计算得到的多模态特征进行疾病预测，可以更好地融合多个脑区跨模态的生理学指标以及脑区之间的相关性并提高模型的预测能力和模型在不同疾病下的泛化能力。
-
Patent Agency Ranking
公开(公告)号：CN115359305B
公开(公告)日：2023-01-10
申请号：CN202211276171.8
申请日：2022-10-19
Applicant: 之江实验室
Abstract: 本发明公开了一种大脑纤维束异常区域精准定位系统,该系统从扩散磁共振数据中提取全脑的纤维连接，通过自定义纤维束通路或者基于大脑纤维束模板提取纤维束通路。将选定的纤维束通路投射到全脑的纤维连接结果上并进行精细地分段。用扩散磁共振数据计算各向异性分数，平均扩散率，神经突内容积比以及方向分散度等影像学指标，从而得到每条纤维束通路每个节点上的影像学指标，用机器学习的方法在疾病组和健康组之间用这些影像学指标做分类，可以精准定位不同疾病下哪些纤维束通路上的哪些节点发生了异常变化。本发明采用球面约束反卷积重建方法，估计每个体素上的纤维走向函数，来重建每个体素上的纤维分布，可以有效解决纤维交叉的问题。
-
公开(公告)号：CN115359045A
公开(公告)日：2022-11-18
申请号：CN202211276172.2
申请日：2022-10-19
Applicant: 之江实验室
Abstract: 本发明公开了一种基于多模态磁共振成像的图卷积神经网络疾病预测系统,从多模态的磁共振数据中提取多个脑区跨模态下的影像组学信息作为节点的特征，提取脑区间的连接组学信息构成邻接矩阵。T1加权结构像通过皮层重建来进行皮层信息提取，静息态磁共振数据用于计算低频振幅，局部一致性以及功能连接。通过多模态数据预处理、影像指标提取和结构化数据整合，将多模态的非结构化磁共振影像数据整合成统一的图结构数据，用图卷积神经网络的方法对疾病进行预测。以本发明计算得到的多模态特征进行疾病预测，可以更好地融合多个脑区跨模态的生理学指标以及脑区之间的相关性并提高模型的预测能力和模型在不同疾病下的泛化能力。
-
公开(公告)号：CN115349833A
公开(公告)日：2022-11-18
申请号：CN202211276610.5
申请日：2022-10-19
Applicant: 之江实验室
Abstract: 本发明公开了一种基于解码的实时功能磁共振神经反馈调控系统及装置。包括：行为学模块：用于得到被试者的记忆准确率；解码模型训练模块：用于所述图模型数据和所述解码标签作为解码模型的输入进行模型训练，获取最优解码模型；实时解码神经反馈模块：用于利用所述最优解码模型实时预测被试者包含记忆状态和非记忆状态的实时状态信息及实时准确率，并以不同的图片形式反馈给被试者，被试者利用调节策略调节反馈信息，自主训练工作记忆能力。本发明利用解码实时功能磁共振神经反馈技术提高或者改善被试者的工作记忆水平，并且提高被试者对于注意力网络和工作记忆网络的自我控制。本发明可应用于阿尔茨海默病等患者的临床治疗。
-
公开(公告)号：CN115336983A
公开(公告)日：2022-11-15
申请号：CN202211276173.7
申请日：2022-10-19
Applicant: 之江实验室
Abstract: 本发明公开了一种基于单个脑区功能磁共振神经反馈的工作记忆调控系统，该系统进行测量被试记忆力水平的行为学实验，给被试呈现熟悉预设面孔的图片并要求记忆图片顺序，接着识别不同图片的相对位置；利用识别正确时的记忆编码阶段磁共振信号计算出显著激活的记忆脑区作为神经反馈训练的靶点；接着在神经反馈任务中提取该靶点当前时间与前一个时间点的信号变化百分比并生成神经反馈信号，指导被试自主地调节靶点活动。本发明通过对工作记忆相关脑区进行定位并利用实时功能磁共振神经反馈训练调控记忆脑区，用于增强被试的工作记忆能力，对治疗轻度认知障碍患者和老年痴呆患者的记忆力减退具有重要的研究意义。
-
公开(公告)号：CN115116607A
公开(公告)日：2022-09-27
申请号：CN202211056174.0
申请日：2022-08-30
Applicant: 之江实验室
Abstract: 本发明公开了一种基于静息态磁共振迁移学习的脑疾病预测系统，分别获取健康成人静息态磁共振大数据集和对应脑疾病的患者静息态磁共振数据，预处理后配准到标准脑空间；通过匹配到标准脑空间的脑图谱提取各个脑区的时间信号；利用图卷积网络和门控循环网络构建深度学习模型并基于健康成人大数据集进行预训练；基于预训练模型和患者静息态功能磁共振数据进行模型微调和疾病预测。本发明提取静息态磁共振信号中的时空特征，利用健康成人的静息态磁共振大数据集对深度学习模型进行预训练，充分挖掘健康成人静息态磁共振中的固有时空特征模式，并将健康成人数据中学习到的先验时空特征模式迁移到脑疾病预测中，有效提高模型的预测性能。
-
-
-
-
-
-
-
-
-
Search Results
111
records
(took 0.037 seconds)
