Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜深圳大学梁臻获国家专利权

恭喜深圳大学梁臻获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网恭喜深圳大学申请的专利结构磁共振成像的分析方法、系统及存储介质获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119478557B

龙图腾网通过国家知识产权局官网在2025-05-02发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202510050015.7,技术领域涉及:G06V10/764;该发明授权结构磁共振成像的分析方法、系统及存储介质是由梁臻;马丹丹;周勇杰;徐姝悦;张力;黄淦设计研发完成,并于2025-01-13向国家知识产权局提交的专利申请。

结构磁共振成像的分析方法、系统及存储介质在说明书摘要公布了:本公开提供一种结构磁共振成像的分析方法、系统及存储介质,包括:获得样本数据,其中,样本数据为经结构磁共振成像的T1加权结构像,根据样本数据,确定在原始脑网络空间中感兴趣区域的形态指标的地图,将地图重新采样到预设的标准脑网络空间模板,并进行高斯核平滑处理,得到标准脑网络空间模板数据,将标准脑网络空间模板数据映射至预先构建的脑图谱模板,根据映射后的脑图谱模板确定机器学习模型的特征输入,基于特征输入对机器学习模型的分类性能进行训练,得到分类模型。可以提高训练的有效性和可靠性,从而可以提高基于训练得到的分类模型进行分类的准确性。

本发明授权结构磁共振成像的分析方法、系统及存储介质在权利要求书中公布了:1.一种结构磁共振成像的分析方法,其特征在于,所述方法包括:获得样本数据,其中,所述样本数据为经结构磁共振成像的T1加权结构像;根据所述样本数据,确定在原始脑网络空间中感兴趣区域的形态指标的地图,其中,形态指标用于表征大脑皮层的解剖学和结构性质,形态指标包括皮层厚度、沟深度、皮层褶皱和分形维数;将所述地图重新采样到预设的标准脑网络空间模板,并进行高斯核平滑处理,得到标准脑网络空间模板数据,其中,在进行高斯核平滑处理时,所述皮层厚度的地图使用全宽为15mm的高斯核,所述沟深度、皮层褶皱和分形维数的地图使用25mm的高斯核;将所述标准脑网络空间模板数据映射至预先构建的脑图谱模板,其中,所述脑图谱模板将大脑皮层表面划分为148个感兴趣区域,且所述148个感兴趣区域被划分为7个主要脑网络,所述7个主要脑网络包括:视觉网络、躯体运动网络、背侧注意网络、腹侧注意网络、边缘网络、额顶叶网络、以及默认模式网络;根据映射后的脑图谱模板确定机器学习模型的特征输入,所述根据映射后的脑图谱模板确定机器学习模型的特征输入,包括:针对所述148个感兴趣区域中的每个感兴趣区域,提取所述每个感兴趣区域中各顶点的形态指标,并确定所述每个感兴趣区域的概率密度;根据各概率密度进行相似性度量,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用于表征大脑各区域之间的形态相似性;根据所述KLD和所述JSD确定相似性矩阵,对所述相似性矩阵进行上三角数据提取,并将提取到的上三角数据构建得到所述机器学习模型的所述特征输入;基于所述特征输入对所述机器学习模型的分类性能进行训练,得到分类模型,其中,所述分类性能为对所述T1加权结构像对应的类型进行分辨的能力,所述分类模型用于对待分类T1加权结构像进行分类处理,得到分类结果。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人深圳大学,其通讯地址为:518060 广东省深圳市南山区南海大道3688号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。