申请/专利权人:首都医科大学附属北京友谊医院
申请日:2024-02-27
公开(公告)日:2024-03-29
公开(公告)号:CN117789988A
主分类号:G16H50/30
分类号:G16H50/30;G16H50/50;G06T7/00;G06V40/20;G06V10/62;G06V10/774;G06V10/764;G06V10/82;G06N3/0455;G06N3/09;A61B5/00;A61B5/055
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.16#实质审查的生效;2024.03.29#公开
摘要:本申请公开了一种训练预测帕金森步态障碍的预测模型的方法及相关产品。所述方法包括:从帕金森患者组和正常组的静息态功能磁共振图像中分别提取对应的动态低频振幅作为训练样本,并从训练样本中选择任意两个动态低频振幅进行组合;获取帕金森患者组和正常组的检查信息,并将检查信息作为训练标签;将组合中的两个动态低频振幅和相应训练标签分别输入至第一编码器和第二编码器提取特征,获得对应的第一时序特征和第二时序特征;构建对应的第一时序特征和第二时序特征之间的相似性函数;以及基于相似性函数优化第一编码器和或第二编码器,以训练预测帕金森步态障碍的预测模型。利用本申请的方案,可以提高对dALFF数据集的学习能力,提高预测精度。
主权项:1.一种用于训练预测帕金森步态障碍的预测模型的方法,其特征在于,其中所述预测模型包括第一编码器和第二编码器,所述第一编码器和所述第二编码器共享权重,并且所述方法包括:从帕金森患者组和正常组的静息态功能磁共振图像中分别提取对应的动态低频振幅作为训练样本,并从所述训练样本中选择任意两个动态低频振幅进行组合;获取所述帕金森患者组和所述正常组的检查信息,并将所述检查信息作为训练标签;将组合中的两个动态低频振幅和相应训练标签分别输入至所述第一编码器和所述第二编码器提取特征,获得对应的第一时序特征和第二时序特征;构建对应的所述第一时序特征和所述第二时序特征之间的相似性函数;以及基于所述相似性函数优化所述第一编码器和或所述第二编码器,以训练预测帕金森步态障碍的预测模型。
全文数据:
权利要求:
百度查询: 首都医科大学附属北京友谊医院 训练预测帕金森步态障碍的预测模型的方法及相关产品
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。