基于多层次因果干预网络的脑疾病诊断模型

    公开(公告)号:CN119673421A

    公开(公告)日:2025-03-21

    申请号:CN202411529155.4

    申请日:2024-10-30

    Abstract: 本发明公开了一种基于多层次因果干预网络的脑疾病诊断模型,涉及脑功能网络分析与医疗辅助研究领域。该方法具体包括:脑网络预构建阶段,进行数据预处理并提取fMRI时序序列,使用切线皮尔逊嵌入构建模型所需的输入特征;使用自注意力机制的3层Transformer网络实现对脑网络的特征提取;使用HCI模块融合多层注意力并相应地将脑网络特征划分为因果和非因果部分;应用DCI对模型施加一阶因果约束,减少非因果因素的干扰,同时将ICAC引入因果部分,对模型施加二阶因果约束以进一步优化模型;使用正交聚类OCR读出函数实现对脑疾病的分类。发明能够有效过滤非因果干扰因素,并提取高阶功能连接信息,以提高脑疾病分析的准确性和鲁棒性。

    一种图网络构建方法、装置、电子设备和存储介质

    公开(公告)号:CN116910311A

    公开(公告)日:2023-10-20

    申请号:CN202310781652.2

    申请日:2023-06-29

    Abstract: 本申请实施例提供了一种图网络构建方法、装置、电子设备和存储介质。通过获取原始数据后,采用自适应加权非负低秩稀疏公式对原始数据构建图网络,并求解自适应加权非负低秩稀疏公式中的各个变量参数。根据各变量参数和预设的损失函数,确定变量参数中的亲和矩阵是否满足迭代条件,并在亲和矩阵不满足迭代条件的情况下,再次求解自适应加权非负低秩稀疏公式中的各个变量参数,直至亲和矩阵满足迭代条件。根据满足迭代条件的亲和矩阵,构建原始数据对应的目标图网络。自适应权重矩阵是根据原始数据中的噪声特征和冗余数据对自身的各个元素迭代修正,以自动调整对噪声特征的权重,降低噪声特征对原始数据中重要特征的影响,构建更鲁棒的图网络。

    基于脑龄的AD风险预测系统及模型生成方法

    公开(公告)号:CN115938577A

    公开(公告)日:2023-04-07

    申请号:CN202211440970.4

    申请日:2022-11-17

    Abstract: 本申请公开了一种基于脑龄的AD风险预测系统及模型生成方法,所述AD风险预测系统基于大脑实际脑龄与理论脑龄的差值利用Cox比例风险预测模型进行风险预测,并且,进一步地,基于所述Cox比例风险预测模型的预测结果生成可视化列线图,本申请提供的系统所使用的原始数据获取方式友好,所使用的数据模型更为轻量化、运算速度更快,并且,本系统提供的预测结果为定量结果,具有更好的可解释性。

Patent Agency Ranking