一种基于变分自编码模型的多模态脑影像信息融合方法

AITNT
正文
推荐专利
一种基于变分自编码模型的多模态脑影像信息融合方法
申请号:CN202510642195
申请日期:2025-05-19
公开号:CN120526244A
公开日期:2025-08-22
类型:发明专利
摘要
本发明公开了一种基于变分自编码模型的多模态脑影像信息融合方法,属于生物医学图像模式识别技术领域。本发明提出的脑结构和脑功能融合方法可以适用于来自不同尺度的信息,并且采用无监督的方式进行训练,不需要额外的手动标注,适用于临床场景。结果显示,这种混合专家变分自编码模型可以准确地还原个体脑影像信息,且可在模态缺失场景下进行跨模态生成,有助于节约临床成本。此外,由编码器编码的低维融合向量被证实可以用于预测个体年龄,为个体信息解码提供新思路。
技术关键词
磁共振数据处理 信息融合方法 生物医学图像模式识别技术 编码模块 变量 影像 跨模态 朴素贝叶斯算法 解码模块 编码器 噪声提取 临床场景 编码向量 无监督 代表 重构
系统为您推荐了相关专利信息
1
一种联合仿真方法、装置、设备及介质
仿真平台 车辆动力学模型 子系统 联合仿真方法 物理
2
适配结构化与非结构数据的文件处理方法
数据 动态加权方法 词频统计 多模态 自然语言文本
3
面向动态云遮挡的光学遥感敏捷卫星成像方法及系统
敏捷卫星 成像方法 进化算法 地球静止轨道 空间注意力模型
4
屏幕保护膜的损伤检测方法及系统
屏幕保护膜 损伤检测方法 数据 应力 损伤检测系统
5
空间插值方法及装置
协同克里金插值法 反距离权重插值法 随机森林模型 空间插值方法 样本
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号