-
公开(公告)号：CN119908699A
公开(公告)日：2025-05-02
申请号：CN202411991383.3
申请日：2024-12-31
Applicant: 无锡市儿童医院 , 中国科学院苏州生物医学工程技术研究所
Abstract: 本发明提供一种痉挛型脑瘫儿童个体化TMS靶点定位方法及系统，以实现针对不同分型的SCP儿童的TMS精准神经调控。本发明通过获取健康儿童结构特征，经图像处理后，实现对SCP儿童脑区的精确划分，弥补了当前脑损伤儿童脑区谱图的不足，为SCP不同症状的种子点选择提供依据；进一步扫描多模态影像参数特征，基于种子点作全脑体素相关分析构建功能连接图，寻找交叉重叠的功能连接图作为不同症状的责任病灶网络，靠近头皮表面的体素集作为TMS靶点，以精准定位不同临床症状的SCP儿童治疗靶点。本发明基于病灶网络映射技术，更好的定位不同症状或症状复合体相关的功能连接特征，识别出特定的大脑网络，为TMS治疗提供精准干预靶点。
-
公开(公告)号：CN119763766A
公开(公告)日：2025-04-04
申请号：CN202411655965.4
申请日：2024-11-19
Applicant: 无锡市儿童医院 , 中国科学院苏州生物医学工程技术研究所
IPC: G16H20/30 , G06F18/213 , G06F18/24 , G06F18/25 , G06N3/0464 , G06N3/088 , G06N3/098
Abstract: 本发明提供基于运动想象脑机接口的痉挛性脑瘫儿童康复方法及系统。本发明一方面针对痉挛性脑瘫儿童的严重程度构建特定的运动想象范式，包括左侧偏瘫范式、右侧偏瘫范式和双瘫范式，能够有针对且有效地提高痉挛性脑瘫儿童康复疗效。并且，本发明提供运动想象脑机接口方案对脑电图信息进行解码，有效评估运动想象是否需要调整，形成闭环反馈，确保运动想象脑机接口疗法的可靠性。另一方面，本发明所构建的将运动想象脑机接口与常规康复训练相结合的康复方法与系统，有助于提高康复训练的效果和患者的康复参与度，进而为痉挛性脑瘫儿童提供了一种更加有效、科学的康复解决方案。
-
公开(公告)号：CN117218451A
公开(公告)日：2023-12-12
申请号：CN202311308855.6
申请日：2023-10-10
Applicant: 中国科学院苏州生物医学工程技术研究所 , 无锡市儿童医院
IPC: G06V10/764 , G06V10/82 , G06V10/80 , G16H30/20
Abstract: 本发明涉及联合多参数MRI特征的自闭症谱系障碍分类方法及系统，包括步骤：从T1图像提取脑脊液体积特征；从DTI图像提取沿血管周围间隙弥散张量特征、各向异性分数特征、DTI脑网络特征：将脑脊液体积特征、沿血管周围间隙弥散张量特征、各向异性分数特征、DTI脑网络特征输入分类模型进行分类，计算分类性能评价指标。本发明联合脑脊液体积、DTI‑ALPS、FA及脑网络节点效率的多种特征，更全面地描述自闭症患者类淋巴系统活性和脑白质结构改变。采用AutoGluon分类框架，采取多模型同时训练的模式，并利用多层堆栈集成的形式，利用预定义模型和超参数搜索空间，提升了分类方法的准确性。
-
公开(公告)号：CN116959714A
公开(公告)日：2023-10-27
申请号：CN202310952504.2
申请日：2023-07-31
Applicant: 中国科学院苏州生物医学工程技术研究所 , 无锡市儿童医院
IPC: G16H50/20 , G06V10/764 , G06V10/82 , G06V10/80
Abstract: 本发明涉及一种自闭症谱系障碍分类方法、电子设备及存储介质，该方法包括步骤：对测试集每个被试的T1结构磁共振图像、伪连续动脉自旋图像进行处理，获得特征向量，实现结构脑网络特征、血流脑网络特征的构建；通过结构脑网络特征和血流脑网络特征，构建多模态脑网络特征；将多模态脑网络特征输入最优分类模型，获得分类结果。本发明采用T1结构磁共振图像和伪连续动脉自旋标记图像，构建结构脑网络和血流脑网络特征，反映不同脑区之间皮层厚度变化及脑血流变化的相关性，并将其作为机器学习分类模型的输入；通过t检验方法和最小冗余最大相关特征选择方法，筛选出具有显著性的特征，提高自闭症谱系障碍分类的准确率。
-
公开(公告)号：CN117457199A
公开(公告)日：2024-01-26
申请号：CN202311360072.2
申请日：2023-10-19
Applicant: 中国科学院苏州生物医学工程技术研究所 , 无锡市儿童医院
Abstract: 本发明涉及儿童大脑类淋巴系统DT I‑ALPS指数测量方法及介质，该方法包括步骤：将个体被试的FA图与儿童FA脑模板进行线性配准；将儿童类淋巴系统脑图谱仿射到个体被试的FA图上，生成个体类淋巴系统脑图谱；将个体类淋巴系统脑图谱生成的参量带入类淋巴系统功能评定指数公式，计算并输出个体的DT I‑ALPS指数。本发明针对儿童的大脑结构和发育特点进行了儿童FA脑模板优化，具有更高的适用性和精确度，适用于儿童大脑类淋巴系统研究；实现儿童大脑类淋巴系统DT I‑ALPS指数的自动化测量，减少了人工干预和主观性，提高了测量的一致性和可重复性，适用于大规模儿童DT I‑ALPS数据处理和分析。
-
Patent Agency Ranking
公开(公告)号：CN119810226A
公开(公告)日：2025-04-11
申请号：CN202411771578.7
申请日：2024-12-04
Applicant: 中国科学院苏州生物医学工程技术研究所
IPC: G06T11/00 , G06T3/4053 , G06T3/4046 , G06V10/774 , G06V10/776 , G06V10/44 , G06V10/54
Abstract: 本发明提供基于隐表示模型的脑磁共振图像超分辨率重建方法及系统，包括步骤：获取不同层厚的各向异性脑磁共振图像，分为训练数据和测试数据；对脑磁共振图像进行预处理；对预处理后的训练数据进行处理，以生成训练样本；采用训练样本对基于隐表示模型的超分辨率重建模型进行训练；将预处理后的测试数据输入训练好的模型，进行堆叠得到三维图像，再进行平均，最终得到各向同性脑磁共振图像。本发明使用深度学习超分辨率重建方法进行不同层厚各向异性脑磁共振图像的超分辨率重建，通过设计基于隐表示模型的可学习坐标编码模块，充分利用图像特征和坐标信息间的相关性，设计了混合损失函数，提升不同层厚各向异性脑磁共振图像超分辨率重建的准确性。
-
公开(公告)号：CN115982947A
公开(公告)日：2023-04-18
申请号：CN202211517912.7
申请日：2022-11-30
Applicant: 中国科学院苏州生物医学工程技术研究所
IPC: G06F30/20 , G06F17/16 , A61B5/245 , A61B5/369 , G06F111/04
Abstract: 本发明公开了一种源成像的逆问题分析方法、装置及电子设备，其中，该方法包括：构建真实头脑模型和源模型；求解得到传导矩阵；按照空间距离对源模型中的偶极子进行区域化，并构建组间稀疏约束模型；构建偶极子强度广义全变分稀疏约束模型；将组间稀疏约束模型与偶极子强度广义全变分稀疏约束模型融合，构建逆问题求解模型；基于逆问题求解模型，确定源模型中偶极子的激活范围及强度。本发明首先对偶极子进行区域化并考虑组间稀疏性，刻画皮层电活动的结构稀疏先验。另外，通过偶极子强度广义全变分刻画皮层上激活区域边界处的突变性与激活区域内的平滑特性。最终，通过重加权的求解方式实现偶极子激活范围及强度的准确估计。
-
公开(公告)号：CN115829986A
公开(公告)日：2023-03-21
申请号：CN202211610437.8
申请日：2022-12-14
Applicant: 中国科学院苏州生物医学工程技术研究所 , 济南国科医工科技发展有限公司
IPC: G06T7/00 , G06V10/26 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于卷积重参数化的医学图像分割方法、系统及设备，该方法包括以下步骤：S1、采集多模态医学图像；S2、对多模态医学图像进行预处理，构建训练数据集；S3、构建基于卷积重参数化的医学图像分割模型；S4、采用训练数据集对医学图像分割模型进行训练；S5、将待分割的医学图像输入训练好的医学图像分割模型中，得到分割结果。本发明提供的基于卷积重参数化的医学图像分割方法及系统，可以增强分割网络模型中卷积核的骨架参数，从而提高分割网络的表达能力。本发明能够帮助提升胶质瘤分割的准确性，在胶质瘤形态学分析、高低级别鉴定和预后评估方面具有潜在的应用价值。
-
公开(公告)号：CN115731176A
公开(公告)日：2023-03-03
申请号：CN202211435875.5
申请日：2022-11-16
Applicant: 中国科学院苏州生物医学工程技术研究所 , 苏州大学附属儿童医院
IPC: G06T7/00 , G06V10/40 , G06V10/771 , G06V10/80 , G06V10/764 , G06V10/77 , G16H50/20
Abstract: 本发明公开了一种基于人机特征融合的胶质瘤智能分级方法、系统及设备，该方法包括以下步骤：S1、获取胶质瘤患者的多序列磁共振图像；S2、对多序列磁共振图像进行预处理；S3、进行影像组学特征提取和临床专家评分特征提取；S4、进行特征选择与特征融合；S5、将融合特征输入机器学习分类模型中，得到胶质瘤图像分级结果。本发明利用机器学习分类模型通过影像组学特征和临床专家评分特征的融合特征进行胶质瘤图像的智能分级，可将专家的知识和经验融入分类模型中，能够提升胶质瘤自动分级的准确性，在胶质瘤无创分析、治疗方案制定和预后评估方面具有潜在的应用价值。
-
公开(公告)号：CN115721323A
公开(公告)日：2023-03-03
申请号：CN202211465471.0
申请日：2022-11-22
Applicant: 中国科学院苏州生物医学工程技术研究所
Abstract: 本说明书公开了一种脑机接口信号识别方法、系统及电子设备，能够实现对MI‑EEG/MEG信号的高精度识别分类。所述方法包括：获取原始脑电/脑磁信号并进行预处理生成脑电/脑磁测量信号，在测量空间中提取相应的全局特征信息；将脑电/脑磁测量信号转换为脑电/脑磁源信号，在源空间中提取相应的细节特征信息；利用跨空间融合卷积神经网络获取全局特征信息与细节特征信息的融合特征信息，根据融合特征信息进行分类以确定所述原始脑电/脑磁信号对应的运动意图。所述系统包括原始信号获取模块、频带分析模块、全局特征提取模块、脑源成像模块、细节特征提取模块与跨空间融合模块。所述电子设备中处理器用于执行所述脑机接口信号识别方法。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.113 seconds)
