-
公开(公告)号：CN109994204A
公开(公告)日：2019-07-09
申请号：CN201910383332.5
申请日：2019-05-08
Applicant: 常州大学
Abstract: 本发明公开了一种大脑功能网络关键节点搜索方法，包括以下步骤：对采集的静息态功能磁共振成像进行格式转换和预处理并提取时间序列；将时间序列进行分段处理并对各段进行线性处理以去除噪音；利用滑窗法将时间序列划分为长度固定的重叠子段，计算各时间子段间的相关系数，构建出随时间变化的多层大脑功能网络；将脑网络依据线性模型将每个矩阵转化为列向量形式；根据每一组列向量的先验分布和结构似然信息用贝叶斯公式求出每一组的后验分布，计算出后验分布的均值，以均值代入公式算出组向量，继而得出稀疏后的矩阵。本发明有助于精确定位对网络连通性贡献较大的关键节点，在脑结构研究和脑疾病诊断等领域具有重要的应用价值。
-
公开(公告)号：CN109730678A
公开(公告)日：2019-05-10
申请号：CN201910083223.1
申请日：2019-01-28
Applicant: 常州大学
Abstract: 本发明涉及一种多层大脑功能网络的模块划分方法，主要步骤如下：对大脑功能磁共振图像进行预处理，将处理后的图像进行脑区划分和时间序列提取；利用滑窗法将时间序列划分为长度相同的子段，计算各脑区对应时间子段间Pearson相关性，构建随时间变化的多层大脑功能网络；利用k-means选择不同脑区作为初始化聚类中心，进行多次基聚类划分，每次划分对应一个隶属矩阵和相似性矩阵；利用聚类有效性指标对每次划分进行评估，将评估值作为相似性矩阵的权值，构造加权相似性矩阵；利用模糊C-means聚类对加权相似性矩阵进行划分，对划分结果利用Q函数进行评价，得到各层大脑功能网络的模块划分结果。
-
Patent Agency Ranking
公开(公告)号：CN110598793A
公开(公告)日：2019-12-20
申请号：CN201910869504.X
申请日：2019-09-12
Applicant: 常州大学
Abstract: 本发明涉及一种大脑功能网络特征分类方法，包括以下步骤：对功能磁共振成像进行格式转换和预处理，提取各个脑区的时间序列；将时间序列划分为长度固定的重叠子段，计算各子段间的相关系数构建若干个动态功能网络；将每个动态大脑功能网络的上三角元素的列向量拼接成一个功能连接向量，并将每个被试的所有功能连接向量组合成功聚合矩阵；将所有被试的聚合矩阵作为样本划分为三部分，每个样本作为特征子空间；训练集对每个特征子空间进行学习并进行分类得出训练结果；验证集对网络模型进行评估并调整网络参数；测试集对每个特征子空间进行分类得出最终分类结果。本发明对研究大脑的认知功能障碍具有一定的参考价值。
-
公开(公告)号：CN110136109A
公开(公告)日：2019-08-16
申请号：CN201910383331.0
申请日：2019-05-08
Applicant: 常州大学
Abstract: 本发明涉及一种基于膨胀卷积神经网络的MCI分类方法，包括以下步骤：对大脑功能磁共振成像进行预处理，用标准化模板将大脑分区并提取时间序列；采用低阶滑窗法和min-max标准化方法构建动态大脑功能网络；统一相关系数矩阵大小，添加正确标签，按批次传入神经网络训练；使用普通卷积核对矩阵进行特征提取，再用带有膨胀系数的卷积核进一步提取特征；对卷积层输出进行非线性映射，将特征图扁平化为一维数组与全连接层神经元相连；利用Softmax函数实现网络分类识别并使用交叉熵代价函数计算损失值；基于CNN反向传播算法将误差层层回传，利用Adam优化器更新每一层权值，最终得到MCI和正常被试的分类结果。本发明在阿尔茨海默病的早期诊断方面具有重要的参考价值。
-
公开(公告)号：CN110136109B
公开(公告)日：2022-07-22
申请号：CN201910383331.0
申请日：2019-05-08
Applicant: 常州大学
Abstract: 本发明涉及一种基于膨胀卷积神经网络的MCI分类方法，包括以下步骤：对大脑功能磁共振成像进行预处理，用标准化模板将大脑分区并提取时间序列；采用低阶滑窗法和min‑max标准化方法构建动态大脑功能网络；统一相关系数矩阵大小，添加正确标签，按批次传入神经网络训练；使用普通卷积核对矩阵进行特征提取，再用带有膨胀系数的卷积核进一步提取特征；对卷积层输出进行非线性映射，将特征图扁平化为一维数组与全连接层神经元相连；利用Softmax函数实现网络分类识别并使用交叉熵代价函数计算损失值；基于CNN反向传播算法将误差层层回传，利用Adam优化器更新每一层权值，最终得到MCI和正常被试的分类结果。本发明在阿尔茨海默病的早期诊断方面具有重要的参考价值。
-
公开(公告)号：CN110598793B
公开(公告)日：2022-07-08
申请号：CN201910869504.X
申请日：2019-09-12
Applicant: 常州大学
Abstract: 本发明涉及一种大脑功能网络特征分类方法，包括以下步骤：对功能磁共振成像进行格式转换和预处理，提取各个脑区的时间序列；将时间序列划分为长度固定的重叠子段，计算各子段间的相关系数构建若干个动态功能网络；将每个动态大脑功能网络的上三角元素的列向量拼接成一个功能连接向量，并将每个被试的所有功能连接向量组合成功聚合矩阵；将所有被试的聚合矩阵作为样本划分为三部分，每个样本作为特征子空间；训练集对每个特征子空间进行学习并进行分类得出训练结果；验证集对网络模型进行评估并调整网络参数；测试集对每个特征子空间进行分类得出最终分类结果。本发明对研究大脑的认知功能障碍具有一定的参考价值。
-
公开(公告)号：CN111513717A
公开(公告)日：2020-08-11
申请号：CN202010260127.2
申请日：2020-04-03
Applicant: 常州大学
Abstract: 一种大脑功能状态提取方法，包括步骤：1)对功能磁共振成像提取时间序列；2)将时间序列划分为长度固定的重叠子段，计算各子段间内的相关系数来构建随时间变化的动态功能网络；3)将动态功能网络向量化并拼接成功能连接聚合矩阵；4)改进和训练深度自编码器模型，将功能连接聚合矩阵输入到深度自编码器中进行降维得到若干特征向量；5)确定最优聚类个数，对特征向量组成的矩阵进行聚类，获得不同功能状态的公共功能网络；6)对各类功能状态的停留时间、转换次数和稳定性进行分析，确定大脑功能状态。本发明对大脑认知功能的研究具有参考价值，有助于发现不同功能状态之间的差异以及功能状态之间的变化规律。
-
-
-
-
-
-
Search Results
7
records
(took 0.018 seconds)
