買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜深圳大學(xué)申請(qǐng)的專利結(jié)構(gòu)磁共振成像的分析方法、系統(tǒng)及存儲(chǔ)介質(zhì)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN119478557B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-05-02發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202510050015.7，技術(shù)領(lǐng)域涉及：G06V10/764；該發(fā)明授權(quán)結(jié)構(gòu)磁共振成像的分析方法、系統(tǒng)及存儲(chǔ)介質(zhì)是由梁臻;馬丹丹;周勇杰;徐姝悅;張力;黃淦設(shè)計(jì)研發(fā)完成，并于2025-01-13向國家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本結(jié)構(gòu)磁共振成像的分析方法、系統(tǒng)及存儲(chǔ)介質(zhì)在說明書摘要公布了：本公開提供一種結(jié)構(gòu)磁共振成像的分析方法、系統(tǒng)及存儲(chǔ)介質(zhì)，包括：獲得樣本數(shù)據(jù)，其中，樣本數(shù)據(jù)為經(jīng)結(jié)構(gòu)磁共振成像的T1加權(quán)結(jié)構(gòu)像，根據(jù)樣本數(shù)據(jù)，確定在原始腦網(wǎng)絡(luò)空間中感興趣區(qū)域的形態(tài)指標(biāo)的地圖，將地圖重新采樣到預(yù)設(shè)的標(biāo)準(zhǔn)腦網(wǎng)絡(luò)空間模板，并進(jìn)行高斯核平滑處理，得到標(biāo)準(zhǔn)腦網(wǎng)絡(luò)空間模板數(shù)據(jù)，將標(biāo)準(zhǔn)腦網(wǎng)絡(luò)空間模板數(shù)據(jù)映射至預(yù)先構(gòu)建的腦圖譜模板，根據(jù)映射后的腦圖譜模板確定機(jī)器學(xué)習(xí)模型的特征輸入，基于特征輸入對(duì)機(jī)器學(xué)習(xí)模型的分類性能進(jìn)行訓(xùn)練，得到分類模型。可以提高訓(xùn)練的有效性和可靠性，從而可以提高基于訓(xùn)練得到的分類模型進(jìn)行分類的準(zhǔn)確性。

本發(fā)明授權(quán)結(jié)構(gòu)磁共振成像的分析方法、系統(tǒng)及存儲(chǔ)介質(zhì)在權(quán)利要求書中公布了：1.一種結(jié)構(gòu)磁共振成像的分析方法，其特征在于，所述方法包括：獲得樣本數(shù)據(jù)，其中，所述樣本數(shù)據(jù)為經(jīng)結(jié)構(gòu)磁共振成像的T1加權(quán)結(jié)構(gòu)像；根據(jù)所述樣本數(shù)據(jù)，確定在原始腦網(wǎng)絡(luò)空間中感興趣區(qū)域的形態(tài)指標(biāo)的地圖，其中，形態(tài)指標(biāo)用于表征大腦皮層的解剖學(xué)和結(jié)構(gòu)性質(zhì)，形態(tài)指標(biāo)包括皮層厚度、溝深度、皮層褶皺和分形維數(shù)；將所述地圖重新采樣到預(yù)設(shè)的標(biāo)準(zhǔn)腦網(wǎng)絡(luò)空間模板，并進(jìn)行高斯核平滑處理，得到標(biāo)準(zhǔn)腦網(wǎng)絡(luò)空間模板數(shù)據(jù)，其中，在進(jìn)行高斯核平滑處理時(shí)，所述皮層厚度的地圖使用全寬為15mm的高斯核，所述溝深度、皮層褶皺和分形維數(shù)的地圖使用25mm的高斯核；將所述標(biāo)準(zhǔn)腦網(wǎng)絡(luò)空間模板數(shù)據(jù)映射至預(yù)先構(gòu)建的腦圖譜模板，其中，所述腦圖譜模板將大腦皮層表面劃分為148個(gè)感興趣區(qū)域，且所述148個(gè)感興趣區(qū)域被劃分為7個(gè)主要腦網(wǎng)絡(luò)，所述7個(gè)主要腦網(wǎng)絡(luò)包括：視覺網(wǎng)絡(luò)、軀體運(yùn)動(dòng)網(wǎng)絡(luò)、背側(cè)注意網(wǎng)絡(luò)、腹側(cè)注意網(wǎng)絡(luò)、邊緣網(wǎng)絡(luò)、額頂葉網(wǎng)絡(luò)、以及默認(rèn)模式網(wǎng)絡(luò)；根據(jù)映射后的腦圖譜模板確定機(jī)器學(xué)習(xí)模型的特征輸入，所述根據(jù)映射后的腦圖譜模板確定機(jī)器學(xué)習(xí)模型的特征輸入，包括：針對(duì)所述148個(gè)感興趣區(qū)域中的每個(gè)感興趣區(qū)域，提取所述每個(gè)感興趣區(qū)域中各頂點(diǎn)的形態(tài)指標(biāo)，并確定所述每個(gè)感興趣區(qū)域的概率密度；根據(jù)各概率密度進(jìn)行相似性度量，其中，所述相似性度量包括Kullback-Leibler散度KLD和Jensen-Shannon散度JSD，所述KLD和所述JSD用于表征大腦各區(qū)域之間的形態(tài)相似性；根據(jù)所述KLD和所述JSD確定相似性矩陣，對(duì)所述相似性矩陣進(jìn)行上三角數(shù)據(jù)提取，并將提取到的上三角數(shù)據(jù)構(gòu)建得到所述機(jī)器學(xué)習(xí)模型的所述特征輸入；基于所述特征輸入對(duì)所述機(jī)器學(xué)習(xí)模型的分類性能進(jìn)行訓(xùn)練，得到分類模型，其中，所述分類性能為對(duì)所述T1加權(quán)結(jié)構(gòu)像對(duì)應(yīng)的類型進(jìn)行分辨的能力，所述分類模型用于對(duì)待分類T1加權(quán)結(jié)構(gòu)像進(jìn)行分類處理，得到分類結(jié)果。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人深圳大學(xué)，其通訊地址為：518060 廣東省深圳市南山區(qū)南海大道3688號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。