龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：南京信息工程大学;东南大学附属中大医院
摘要：本发明公开了基于层级脑网络图卷积深度学习的图像处理方法与系统，涉及人工智能和医学图像处理技术领域，包括：接收多模态影像数据并进行预处理；根据神经纤维束追踪结果将大脑皮层划分为高空间分辨率的脑区；提取分区的深度影像特征、深度连接特征、影像组学特征与连接组学特征；构建脑网络的层次结构树状图；分别建立聚合空间邻接节点信息的图卷积核，以及聚合脑网络连接节点信息的图卷积核；建立基于层级脑网络树状图的图池化与反池化；构建面向图分类的残差图卷积神经网络；构建面向节点分类的UNet++图卷积神经网络，该方法实现了对脑网络层次模块性的拓扑结构进行建模，为脑网络分析提供了一种有效的技术。
主权项：1.基于层级脑网络图卷积深度学习的图像处理方法，其特征在于，方法包括以下步骤：接收三维脑部多模态影像数据并进行预处理，得到预处理后的三维脑部多模态影像数据，根据预处理后的三维脑部多模态影像数据的灰白质交界面体素纤维束追踪结果，分割得出高分辨率大脑皮层分区；对高分辨率大脑皮层分区进行表示学习提取深度局部影像特征与脑网络连接特征，并提取影像组学和连接组学特征，基于空间邻接关系生成高分辨率分区ROI的空间邻接图，基于贪婪算法合并脑网络节点生成层级脑网络的树状图；基于球面上的圆谐函数建立图卷积核，将空间邻接图的局部节点信息进行聚合，同时建立基于球谐函数的图卷积核，将通过脑网络连接的远端节点信息进行聚合，根据层级脑网络树状图对聚合的节点进行池化和反池化，获取生成面向图分类的残差图卷积神经网络模型和面向节点分类的UNet++图卷积神经网络模型；根据面向图分类的残差图卷积神经网络模型和面向节点分类的UNet++图卷积神经网络模型对图像的处理，实现对脑网络模块层次性的深度表征。
全文数据：
权利要求：
百度查询： 南京信息工程大学 东南大学附属中大医院 基于层级脑网络图卷积深度学习的图像处理方法与系统
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号