“严超赣”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果5个，建议您升级VIP下载更多相关专利

[发明专利]基于组水平平均统计图的抑郁症TMS个体化靶点定位方法及系统-CN202310526504.6在审
发明人： 严超赣;鲁彬 -专利权人：中国科学院心理研究所
申请日： 2023-05-10 - 公布日： 2023-08-04 - 主分类号： G06T7/70 文献下载
摘要：本发明公开了一种基于组水平平均统计图的抑郁症TMS个体化靶点定位方法及系统，采集重性抑郁障碍组受试者的静息态功能磁共振脑成像数据，并进行数据预处理；以球形sgACC为种子点，对每个受试者进行功能连接计算，提取DLPFC区域掩膜内的sgACC功能连接图；通过对重性抑郁障碍被试功能连接图进行单样本t检验，在DLPFC掩膜内，提取单样本t检验统计图中t值小于0的脑区，将其作为经颅磁刺激重性抑郁障碍组水平定位靶点；结合所得组水平定位靶点和预处理后的个体磁共振脑成像数据，采用双回归算法得到个体化TMS靶点。本发明充分考虑到抑郁症患者的总体脑活动异常和个体功能变异，实现针对MDD患者TMS治疗的精准个体化定位。
基于水平平均统计图抑郁症 tms 个体化定位方法系统

[发明专利]基于组水平差异统计图的抑郁症TMS个体化靶点定位方法及系统-CN202310525347.7在审
发明人： 严超赣;鲁彬 -专利权人：中国科学院心理研究所
申请日： 2023-05-10 - 公布日： 2023-07-28 - 主分类号： G16H20/70 文献下载
摘要：本发明公开了一种基于组水平差异统计图的抑郁症TMS个体化靶点定位方法及系统，采集重性抑郁障碍组及与之匹配的正常对照组中受试者的静息态功能磁共振脑成像数据，并进行数据预处理；以球形sgACC为种子点，对每个受试者进行功能连接计算，提取DLPFC区域掩膜内的sgACC功能连接图；通过对重性抑郁障碍组和正常对照组的sgACC功能连接图做双样本t检验，在DLPFC掩膜内，提取统计图中重性抑郁障碍组和正常对照组中的受试者间存在显著差异的团块，作为组水平定位靶点；结合所得组水平定位靶点和预处理后的个体磁共振脑成像数据，采用双回归算法得到个体化TMS靶点。本发明充分考虑到抑郁症患者的总体脑活动异常和个体功能变异，实现针对MDD患者TMS治疗的精准个体化定位。
基于水平差异统计图抑郁症 tms 个体化定位方法系统

[发明专利]一种脑动态功能模式稳定性计算方法-CN201910631565.2有效
发明人： 严超赣;李乐;鲁彬 -专利权人：中国科学院心理研究所
申请日： 2019-07-12 - 公布日： 2023-04-25 - 主分类号： G06T17/00 文献下载
摘要：本发明公开了一种脑动态功能模式稳定性计算方法，获取被试的功能磁共振成像数据和结构磁共振成像数据并进行预处理；提取脑灰质体积为大于0.2的灰质体素作为后续计算的掩膜；采用滑动时间窗方法计算每一灰质体素在每个时间窗下与全脑其余灰质体素动态功能连接的二维矩阵；以时间窗为评分者对所得每一个灰质体素的二维矩阵进行计算，得到二维矩阵的肯德尔和谐系数作为该灰质体素的功能稳定性值；对被试的全脑灰质体素进行逐一计算后得到所有灰质体素的功能稳定性值；对所有灰质体素的功能稳定性值进行Z‑score标准化，形成并输出被试的脑动态功能稳定性三维脑图。本发明采用基于灰质体素的计算，最大程度地利用脑活动信号，可以准确全面描绘脑功能活动的动态特点。
一种动态功能模式稳定性计算方法

[发明专利]一种基于脑成像大数据深度学习的阿尔兹海默症分类器-CN202010820669.0有效
发明人： 严超赣;鲁彬 -专利权人：中国科学院心理研究所
申请日： 2020-08-14 - 公布日： 2023-02-10 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于脑成像大数据深度学习的阿尔兹海默症分类器，包括：数据预处理模块、深度学习模型、性别分类模块、初始化模块、AD训练模块和预测模块；经数据预处理模块配准后的灰质密度和灰质体积图像由输入模块输入，经卷积、缩减和池化处理后提取图像特征值；通过深度学习模型对脑成像大数据库样本进行性别深度模型训练，当性别分类准确率达到最高值后，再通过初始化模块对深度学习模型中的drop out模块和Softmax函数进行参数初始化，最后通过AD训练模块利用深度学习模型对大数据库样本进行AD训练，训练好后再进行AD检测与分类。本发明显著提高AD病人和正常人分类的准确率，AD分类正确率达到了88.4％，在独立样本上AD分类正确率达到了86.1％。
一种基于成像数据深度学习阿尔兹海默症分类

[发明专利]一种基于脑成像大数据深度学习的性别分类器-CN202010821445.1有效
发明人： 严超赣;鲁彬 -专利权人：中国科学院心理研究所
申请日： 2020-08-14 - 公布日： 2023-02-10 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于脑成像大数据深度学习的性别分类器，包括：数据预处理模块、深度学习模型和预测模块；数据预处理模块用于将输入的磁共振结构成像数据分割为灰质图像、白质图像和脑脊液图像，将分割后的图像由个体空间转化为MNI空间，并对灰质密度和灰质体积图像进行配准；深度学习模型依次包括输入模块、主干模块(stem)，卷积模块、缩减模块、平均池化模块、drop out模块及Softmax函数，经数据预处理模块配准后的灰质密度和灰质体积图像由所述输入模块输入，经卷积、缩减和池化处理后提取图像特征值。本发明基于超过8万人次的脑成像大数据，能达到工业级别的脑成像深度学习分类器，具有很强的普适性，分类器对性别的分类正确率达到了94.9％。
一种基于成像数据深度学习性别分类