-
公开(公告)号：CN113345548B
公开(公告)日：2024-03-12
申请号：CN202110532973.X
申请日：2021-05-17
Applicant: 东南大学
IPC: G16H20/10 , G06V10/764 , G06V10/774
Abstract: 本发明公开了一种基于弥散张量成像的抑郁症用药决策模型的构建方法。该方法包括：构建全脑结构连接网络SN；构建分类器特征集合；构建双层stacking集成模型；药物选择标记物识别。该方法以客观的影像学指标来辅助抑郁症患者的临床用药决策，此过程没有人工参与判断，避免了主观因素带来的误差，模型找到不同用药被试的特异性影像学标记，为临床抗抑郁药物决策提供帮助。
-
公开(公告)号：CN113345572B
公开(公告)日：2024-03-15
申请号：CN202110520799.7
申请日：2021-05-13
Applicant: 东南大学
IPC: G16H50/20 , G06F16/245 , G06F16/2458 , G06F18/2411
Abstract: 本发明公开了一种基于荟萃分析的脑疾病判断系统，包括：重要种子点确定模块，用于采用文献荟萃分析法确定与指定脑疾病相关的重要种子点；大脑损伤环路建立模块，用于对同一重要种子点对应的大脑簇并集采用MKDA算法估计收敛域；所有收敛域的并集构成大脑损伤环路；聚类模块，用于对大脑损伤环路中的体素进行聚类；低维特征空间构建模块，用于根据每个被试的功能连接信息，通过降维构建低维特征空间；测试者低维特征向量获取模块，用于根据测试者功能连接信息获取低维特征向量；分类器，用于根据测试者低维特征向量判断是否有指定脑疾病。该系统能够克服小样本和全脑数据驱动的机器学习模型鲁棒性和泛化性较差的缺陷，对指定脑疾病进行判断。
-
公开(公告)号：CN113345572A
公开(公告)日：2021-09-03
申请号：CN202110520799.7
申请日：2021-05-13
Applicant: 东南大学
IPC: G16H50/20 , G06F16/245 , G06F16/2458 , G06K9/62
Abstract: 本发明公开了一种基于荟萃分析的脑疾病判断系统，包括：重要种子点确定模块，用于采用文献荟萃分析法确定与指定脑疾病相关的重要种子点；大脑损伤环路建立模块，用于对同一重要种子点对应的大脑簇并集采用MKDA算法估计收敛域；所有收敛域的并集构成大脑损伤环路；聚类模块，用于对大脑损伤环路中的体素进行聚类；低维特征空间构建模块，用于根据每个被试的功能连接信息，通过降维构建低维特征空间；测试者低维特征向量获取模块，用于根据测试者功能连接信息获取低维特征向量；分类器，用于根据测试者低维特征向量判断是否有指定脑疾病。该系统能够克服小样本和全脑数据驱动的机器学习模型鲁棒性和泛化性较差的缺陷，对指定脑疾病进行判断。
-
公开(公告)号：CN113344853A
公开(公告)日：2021-09-03
申请号：CN202110488296.6
申请日：2021-05-06
Applicant: 东南大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于随机位移算法脑影像组学的鲁棒性检测方法，属于智能医学工程领域，包括以下步骤：1)获取被研究问题中的在MNI坐标系中的感兴趣区(ROI)；2)通过对ROI的k次随机位移，得到k个随机ROI；3)提取原始ROI和随机ROI所对应的脑影像特征；4)基于步骤(3)的影像学特征，构建空模型，通过置换检验检测感兴趣区域的鲁棒性；5)利用相关分析探究随机模型性能与随机噪声程度，以分析模型性能随着模型噪声增加的变化。本发明的优势在于，在构建空模型的过程中，对ROI整体区块进行保留，保证了ROI的整体性，有利于后续对比分析。此外，本发明的随机化方法可以定量的衡量随机混乱水平，有利于分析噪声对模型性能的影响。
-
公开(公告)号：CN105249964A
公开(公告)日：2016-01-20
申请号：CN201510762019.4
申请日：2015-11-10
Applicant: 东南大学
Abstract: 本发明公开了一种基于脑磁图和弥散张量成像的多模态脑功能重建评估方法，包括如下步骤：1)在被试中选择感兴趣脑区，提取对应脑区的脑磁图信号，并对提取出的每个脑区的时间序列信号进行滑动时间窗的分窗处理，计算被试存在的功能连接矩阵；2)按照选定的感兴趣脑区，提取弥散张量成像数据，计算被试存在的结构连接矩阵；3)计算被试的功能-结构耦合值集合；4)进行功能状态转变时间段的计算，得到最终功能连接上升速度最快的时间段；5)根据步骤3)中得到的功能-结构耦合值，提取步骤4)中得到的时间段对应时间的功能-结构耦合值。本发明方法避免了主观因素带来的误差；结合了大脑结构与功能两方面的信息，避免了单纯从功能角度判断的局限性。
-
Patent Agency Ranking
公开(公告)号：CN102509282A
公开(公告)日：2012-06-20
申请号：CN201110286580.1
申请日：2011-09-26
Applicant: 东南大学
Abstract: 一种融合结构连接的各脑区间的效能连接分析方法，步骤是提取并分析感兴趣区的大脑结构网络，并将得到的结构信息转换到效能连接参数的先验概率分布空间；然后建立基于变分贝叶斯框架的效能连接模型；最后通过集成学习和EM算法，求取各脑区间的效能连接。本发明相对于其他方法具有以下优点：1、通过转换模型将结构连接映射到效能连接参数的先验概率空间，并在后续的集成学习中优化模型参数，使得结构连接和效能连接的关系得到真实的反映；2、结合了结构连接信息，使得脑活动分析的结果更加可靠，而且便于对个体进行实际情况的探讨。
-
公开(公告)号：CN105249964B
公开(公告)日：2017-12-22
申请号：CN201510762019.4
申请日：2015-11-10
Applicant: 东南大学
Abstract: 本发明公开了一种基于脑磁图和弥散张量成像的多模态脑功能重建评估方法，包括如下步骤：1)在被试中选择感兴趣脑区，提取对应脑区的脑磁图信号，并对提取出的每个脑区的时间序列信号进行滑动时间窗的分窗处理，计算被试存在的功能连接矩阵；2)按照选定的感兴趣脑区，提取弥散张量成像数据，计算被试存在的结构连接矩阵；3)计算被试的功能‑结构耦合值集合；4)进行功能状态转变时间段的计算，得到最终功能连接上升速度最快的时间段；5)根据步骤3)中得到的功能‑结构耦合值集合，提取步骤4)中得到的时间段对应时间的功能‑结构耦合值。本发明方法避免了主观因素带来的误差；结合了大脑结构与功能两方面的信息，避免了单纯从功能角度判断的局限性。
-
公开(公告)号：CN105512454A
公开(公告)日：2016-04-20
申请号：CN201510448804.2
申请日：2015-07-28
Applicant: 东南大学
IPC: G06F19/00
Abstract: 本发明公开了一种基于功能核磁共振的抑郁症患者自杀风险客观评估模型，步骤为：（1）建立评测模型：（a）计算全脑功能连接矩阵：（b）构造特征集合：（c）聚类；（2）结果稳定性校验；（3）多项式曲线拟合；（4）利用模型进行个体评测。本发明形成的模型优点为：（1）为纯数据驱动，完全由抑郁症患者脑区信号的模型研究来甄别患者的自杀倾向，此过程没有人工判断参与，避免了主观因素带来的误差；（2）无需先验知识的条件下，利用专家易于判断的极端情况，来对难以评价的个体进行客观评价；（3）不仅能够判断抑郁症患者是否有自杀倾向，还能根据模型研究结果得到该患者自杀倾向的严重程度。
-
公开(公告)号：CN101788656B
公开(公告)日：2013-06-05
申请号：CN201010103595.5
申请日：2010-01-29
Applicant: 东南大学 , 南京医科大学附属脑科医院
IPC: A61B5/055 , G01R33/46 , G01R33/465 , G01R33/56
Abstract: 一种功能核磁共振扫描下功能响应信号的甄别方法，(1)利用核磁共振仪获得任务态数据和静息态，然后利用功能核磁共振分析软件SPM对数据进行空间和时间上的处理，得到数据集；(2)利用现有的主成分分析方法PCA，降低任务态数据和静息态数据的维度，保留主要信息，即保留构成据数据90％以上信息能量的特征向量，重新构建数据；然后利用现有的时间域上的独立成分分析方法ICA，分别提取出两种数据各自的独立成分，包括机器噪声信号成分、非神经性生理噪声成分和神经性功能信号响应成分；(3)通过在两种数据的各独立成分之间做相关遍历的方法，找出功能信号成分的范围，得到包含功能信号成分的信号集；(4)对信号集中的每一个信号进行频谱分析，剔除在频域空间上没有显著能量峰值的成分，剩余成分中选取首成分，即为主要功能响应信号。
-
公开(公告)号：CN101788656A
公开(公告)日：2010-07-28
申请号：CN201010103595.5
申请日：2010-01-29
Applicant: 东南大学 , 南京医科大学附属脑科医院
IPC: G01R33/46 , G01R33/465 , G01R33/56
Abstract: 一种功能核磁共振扫描下功能响应信号的甄别方法，(1)利用核磁共振仪获得任务态数据和静息态，然后利用功能核磁共振分析软件SPM对数据进行空间和时间上的处理，得到数据集；(2)利用现有的主成分分析方法PCA，降低任务态数据和静息态数据的维度，保留主要信息，即保留构成据数据90％以上信息能量的特征向量，重新构建数据；然后利用现有的时间域上的独立成分分析方法ICA，分别提取出两种数据各自的独立成分，包括机器噪声信号成分、非神经性生理噪声成分和神经性功能信号响应成分；(3)通过在两种数据的各独立成分之间做相关遍历的方法，找出功能信号成分的范围，得到包含功能信号成分的信号集；(4)对信号集中的每一个信号进行频谱分析，剔除在频域空间上没有显著能量峰值的成分，剩余成分中选取首成分，即为主要功能响应信号。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.024 seconds)
