一种基于深度学习的多模态认知障碍识别方法

发明专利有效专利

申请号：
CN202110654421.6
IPC分类号：A61B5/055
申请日期：
2021-06-11
申请人：
杭州电子科技大学;北京医院

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于深度学习的多模态认知障碍识别方法
申请号	CN202110654421.6	申请日期	2021-06-11
法律状态	公开	申报国家	中国
公开/公告日	2021-10-29	公开/公告号	CN113558603A
优先权	暂无	优先权号	暂无
主分类号	A61B5/055 ? IPC结构图谱： A 人类生活必需 A6 保健；救生；娱乐 A61 医学或兽医学；卫生学 A61B 诊断；外科；鉴定（分析生物材料入G01N，如G01N33/48） A61B5/00 用于诊断目的的测量（放射诊断入A61B6/00；超声波、声波或次声波诊断入A61B8/00）；人的辨识 A61B5/05 用电流或磁场的诊断测量（A61B 5/02，A61B 5/04，A61B 5/11优先）〔5〕 A61B5/055 包含电磁共振〔EMR〕或核磁共振〔NMR〕的，例如磁共振成像〔5〕	IPC分类号	A;6;1;B;5;/;0;5;5查看分类表>
申请人	杭州电子科技大学;北京医院	申请人地址	浙江省杭州市江干区下沙高教园区变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	杭州电子科技大学,北京医院	当前权利人	杭州电子科技大学,北京医院
发明人	盛锦华;王博丞;张巧;汪露雲;辛雨;杨泽
代理机构	杭州杭诚专利事务所有限公司	代理人	刘正君

摘要

本发明公开了一种基于深度学习的多模态认知障碍识别方法，包括以下步骤：对与大脑连接性矩阵的构建进行预处理；进行多模态大脑表征数据计算与复杂脑网络度量；构建多模态数据处理深度学习框架；进行多类识别模型训练。上述技术方案采用深度学习技术，设计并实现了一种两层级联结构，整合GoogLeNet框架，将结构性、功能连接性和功能拓扑性三种模态数据输入该模型训练，通过多节点多层次网络，在迭代过程中不断寻求各种特征组合的最佳权重，最终建立了不同程度认知障碍患者统一特征的评判体系，直接对HCPMMP脑分区中360个脑区的权重进行分配，很好地解决了认知障碍多类识别问题。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供