-
公开(公告)号：CN107368707B
公开(公告)日：2020-07-10
申请号：CN201710596384.1
申请日：2017-07-20
Applicant: 东北大学
Abstract: 本发明的基于US‑ELM的基因芯片表达数据分析系统及方法包括，基因预处理单元，用于对基因芯片进行预处理以获得适用于实验的数据格式；差异基因筛选单元，基于基因表达数据矩阵寻找在基因芯片中不同个体或者是不同组织中表达发生明显变化的差异基因，获得差异表达基因矩阵；聚类单元，用于对差异表达基因矩阵进行聚类分析，得到共表达基因序列；富集分析单元，用于对共表达基因序列进行富集分析，得到关于基因所参与的多条通路，得出在数据上共表达基因序列的生物学功能解释。本发明的分析系统及方法整体上提高了数据分析的准确性，差异基因处理过程筛选出更有效的明显表达差异基因，聚类处理中得出的类别在生物学解释上具有更多的相似性。
-
公开(公告)号：CN107392928A
公开(公告)日：2017-11-24
申请号：CN201710595460.7
申请日：2017-07-20
Applicant: 东北大学
Abstract: 本发明的基于MRF-Snake分割的乳腺癌诊断系统包括：图像预处理单元，用于对原始乳腺MRI图像序列进行预处理；图像分割单元，用于将预处理后的图像序列中的每张图像的疑似病灶分割出来；分割结果可视化单元，用于对分割图像序列中的每张图像进行可视化显示并提取可视化后的图像中病灶的边缘；特征提取单元，用于将分割图像序列中的每张图像的灰度级进行压缩，获得压缩图像序列并提取经压缩后的每张图像的特征值；分类诊断单元，用于将提取的特征值输入到分类器中进行数据训练，并进行病灶良恶性的评估。本发明的乳腺癌诊断方法采用基于MRF与Snake相结合分割的方法，进行乳腺病灶的准确分割，能有效辅助乳腺疾病的准确诊断。
-
公开(公告)号：CN107368707A
公开(公告)日：2017-11-21
申请号：CN201710596384.1
申请日：2017-07-20
Applicant: 东北大学
Abstract: 本发明的基于US-ELM的基因芯片表达数据分析系统及方法包括，基因预处理单元，用于对基因芯片进行预处理以获得适用于实验的数据格式；差异基因筛选单元，基于基因表达数据矩阵寻找在基因芯片中不同个体或者是不同组织中表达发生明显变化的差异基因，获得差异表达基因矩阵；聚类单元，用于对差异表达基因矩阵进行聚类分析，得到共表达基因序列；富集分析单元，用于对共表达基因序列进行富集分析，得到关于基因所参与的多条通路，得出在数据上共表达基因序列的生物学功能解释。本发明的分析系统及方法整体上提高了数据分析的准确性，差异基因处理过程筛选出更有效的明显表达差异基因，聚类处理中得出的类别在生物学解释上具有更多的相似性。
-
公开(公告)号：CN110718301B
公开(公告)日：2024-04-19
申请号：CN201910916563.8
申请日：2019-09-26
Applicant: 东北大学
Abstract: 本发明公布了一种基于动态脑功能网络的阿尔茨海默病辅助诊断装置及方法。诊断装置包括fMRI数据预处理单元、构建动态脑功能网络单元、生成用于训练的特征单元以及svm分类辅助诊断单元，该诊断装置的使用方法为：首先进行图像预处理，然后构建动态脑网络，其次计算分割后的脑网络的节点度量，并通过时间序列生成器将每个节点度量构成一个时间序列，随后通过特征提取器为构成的时间序列提取特征，再通过特征过滤器将过滤后的特征拼接成一个矩阵并通过特征筛选器筛选，最后通过数据训练器进行数据的分类训练，最终通过辅助诊断器实现对阿尔茨海默病的诊断。该方法克服了静态脑功能网络无法表示动态信息的缺陷，起到了更好的为医疗辅助诊断服务的效果。
-
公开(公告)号：CN113298038B
公开(公告)日：2023-09-19
申请号：CN202110684023.9
申请日：2021-06-21
Applicant: 东北大学
IPC: G06F18/24 , G06V10/25 , G06F18/214 , G06F18/2415 , G06F18/22 , G06N20/00
Abstract: 本发明公开了一种用于辅助诊断AD的多频脑网络区分子网络对的构建方法，属于计算机辅助诊断技术领域。将包含AD和NC的fMRI数据集中大脑各感兴趣区域的时间序列信号分为多个频段；计算同一频段内任意两感兴趣区域的相关系数；对相关系数进行阈值化构建每一被试的多频脑网络，获得AD和NC两个多频脑网络数据集并进行频繁子网络挖掘得到两个多频频繁子网络集；分别计算两个多频频繁子网络集中各子网络的区分能力并从两者中分别取能力最强的前若干个子网络进行组合构建各频段的子网络对即区分子网络对；计算区分子网络对的差异度，并取每个频段差异度最大的前k个区分子网络对按照差异度降序排序，选择前k’个子网络对作为用于辅助诊断AD的的区分子网络对。
-
Patent Agency Ranking
公开(公告)号：CN109034263A
公开(公告)日：2018-12-18
申请号：CN201810930199.6
申请日：2018-08-15
Applicant: 东北大学
CPC classification number: G06K9/6289 , G06T11/008 , G16H50/20
Abstract: 本发明提供一种脑网络多频融合图核的阿尔茨海默病辅助诊断装置及方法，涉及计算机辅助诊断技术领域。该装置包括图像预处理模块、图像分频模块、图核生成模块、图核融合模块和辅助诊断模块；图像分频模块将功能核磁共振图像与AAL模板进行匹配，并进行分频处理；图核生成模块对分频后的图像构建多频脑网络，并形成一个矩阵；图核融合模块将所有图核融合成为一个图核；辅助诊断模块将融合的图核与核极限学习机结合，实现对阿尔茨海默病的诊断。本发明还提供了采用该装置进行诊断的方法。本发明提供的脑网络多频融合图核的阿尔茨海默病辅助诊断装置及方法，能够充分表示多频段下大脑活动信息差异，令功能核磁共振图像的信号信息得到充分发挥。
-
公开(公告)号：CN110459317B
公开(公告)日：2023-03-24
申请号：CN201910742381.3
申请日：2019-08-13
Applicant: 东北大学
Abstract: 本发明提供一种基于动态脑网络图核的阿尔茨海默病辅助诊断系统及方法。该诊断系统包括预处理单元、动态脑网络构建单元、动态脑网络图核计算单元和分类诊断单元，首先通过预处理单元对功能核磁共振图像进行图像的预处理，然后通过动态脑网络构建单元对预处理后的功能核磁共振图像依次进行脑区的匹配、时间段的分割、互信息值的计算以及频繁子图的挖掘，然后通过动态脑网络图核计算单元对重建的频繁子图动态脑功能网络依次通过二分图的最优匹配、图核的计算、图核矩阵的组合以及权值的分配，得到一个融合后的动态脑功能网络图核矩阵，通过与核SVM结合通过数据训练器进行数据的训练，最终通过辅助诊断器实现对阿尔茨海默病的诊断。
-
公开(公告)号：CN113298038A
公开(公告)日：2021-08-24
申请号：CN202110684023.9
申请日：2021-06-21
Applicant: 东北大学
Abstract: 本发明公开了一种用于辅助诊断AD的多频脑网络区分子网络对的构建方法，属于计算机辅助诊断技术领域。将包含AD和NC的fMRI数据集中大脑各感兴趣区域的时间序列信号分为多个频段；计算同一频段内任意两感兴趣区域的相关系数；对相关系数进行阈值化构建每一被试的多频脑网络，获得AD和NC两个多频脑网络数据集并进行频繁子网络挖掘得到两个多频频繁子网络集；分别计算两个多频频繁子网络集中各子网络的区分能力并从两者中分别取能力最强的前若干个子网络进行组合构建各频段的子网络对即区分子网络对；计算区分子网络对的差异度，并取每个频段差异度最大的前k个区分子网络对按照差异度降序排序，选择前k’个子网络对作为用于辅助诊断AD的的区分子网络对。
-
公开(公告)号：CN109034263B
公开(公告)日：2021-08-10
申请号：CN201810930199.6
申请日：2018-08-15
Applicant: 东北大学
Abstract: 本发明提供一种脑网络多频融合图核的阿尔茨海默病辅助诊断装置及方法，涉及计算机辅助诊断技术领域。该装置包括图像预处理模块、图像分频模块、图核生成模块、图核融合模块和辅助诊断模块；图像分频模块将功能核磁共振图像与AAL模板进行匹配，并进行分频处理；图核生成模块对分频后的图像构建多频脑网络，并形成一个矩阵；图核融合模块将所有图核融合成为一个图核；辅助诊断模块将融合的图核与核极限学习机结合，实现对阿尔茨海默病的诊断。本发明还提供了采用该装置进行诊断的方法。本发明提供的脑网络多频融合图核的阿尔茨海默病辅助诊断装置及方法，能够充分表示多频段下大脑活动信息差异，令功能核磁共振图像的信号信息得到充分发挥。
-
公开(公告)号：CN110718301A
公开(公告)日：2020-01-21
申请号：CN201910916563.8
申请日：2019-09-26
Applicant: 东北大学
Abstract: 本发明公布了一种基于动态脑功能网络的阿尔茨海默病辅助诊断装置及方法。诊断装置包括fMRI数据预处理单元、构建动态脑功能网络单元、生成用于训练的特征单元以及svm分类辅助诊断单元，该诊断装置的使用方法为：首先进行图像预处理，然后构建动态脑网络，其次计算分割后的脑网络的节点度量，并通过时间序列生成器将每个节点度量构成一个时间序列，随后通过特征提取器为构成的时间序列提取特征，再通过特征过滤器将过滤后的特征拼接成一个矩阵并通过特征筛选器筛选，最后通过数据训练器进行数据的分类训练，最终通过辅助诊断器实现对阿尔茨海默病的诊断。该方法克服了静态脑功能网络无法表示动态信息的缺陷，起到了更好的为医疗辅助诊断服务的效果。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.026 seconds)
