-
公开(公告)号：CN111428565A
公开(公告)日：2020-07-17
申请号：CN202010117022.1
申请日：2020-02-25
Applicant: 北京理工大学
Abstract: 一种基于深度学习的点云标识点定位方法及装置，能够完成面部点云标识点的自动快速精准定位。方法包括：(1)生成预测定位；(2)如果候选定位点集中的候选定位点的个数少于3，跳转到步骤(4)，否则执行步骤(3)；(3)滤除错误候选点；(4)定位缺失标识点。
-
公开(公告)号：CN111260704A
公开(公告)日：2020-06-09
申请号：CN202010022673.2
申请日：2020-01-09
Applicant: 北京理工大学
IPC: G06T7/38 , G06T7/00 , G06F16/901
Abstract: 一种基于启发式树搜索的血管结构3D/2D刚性配准方法及装置，其3D图像和2D图像的血管图匹配精确度高。方法包括：(1)利用3D和2D血管拓扑一致性来实现血管图匹配，将图的匹配结果表示为成对的3D和2D边的集合；(2)将血管匹配过程看作是在已有的血管对上增加一对新的匹配边的连续过程，将匹配过程分解为连续状态，并用于搜索树的构造；(3)在搜索树的每个节点上，使用一个封闭解来计算基于血管点密集匹配的配准结果，设计一个评价配准质量和配准质量的节点评分；(4)在A-star搜索算法的基础上，利用一种改进的启发式树搜索策略，寻找节点得分最高的最优结果。
-
公开(公告)号：CN110929789A
公开(公告)日：2020-03-27
申请号：CN201911159730.5
申请日：2019-11-22
Applicant: 北京理工大学
Abstract: 基于多期CT影像分析的肝肿瘤自动分类方法及装置，可识别全自动胆管细胞癌和肝细胞癌，获得高精度胆管细胞癌和肝细胞癌识别模型。方法包括：(1)采集对比度增强腹部CT扫描影像，将其保存为动脉期、门静脉期和延迟期，并对所有数据所属肝癌类别进行确诊，作为模型训练金标准；(2)构建三维全卷积神经网络分割模型，将肝脏组织在各个期的内在特征通过模型训练学习，将其从腹部CT影像中分割出来；(3)构建三维卷积神经网络分类模型，将分割得到的影像数据输入分类模型中训练，使模型对多个期下癌症特征进行联合学习与训练，从而对癌症所属类别做出预测，并将预测结果和金标准相比较，通过反馈loss值的方式对模型的训练过程进行监督。
-
公开(公告)号：CN110223300A
公开(公告)日：2019-09-10
申请号：CN201910512487.4
申请日：2019-06-13
Applicant: 北京理工大学
IPC: G06T7/10
Abstract: 本发明实施例提供一种CT图像腹部多器官分割方法及装置。其中，方法包括：根据待分割的腹部CT图像序列获取第一图像序列和第二图像序列；将第一图像序列和第二图像序列输入至多器官分割模型，输出待分割的腹部CT图像序列中各腹部CT图像的多器官分割结果；其中，第一图像序列中图像的尺度大于第二图像序列中图像的尺度；多器官分割模型是基于腹部CT图像序列样本数据以及预先确定的手动分割标注结果进行训练后获得的。本发明实施例提供的CT图像腹部多器官分割方法及装置，根据两个不同尺度获得的器官层次的上下文信息，获取待分割的腹部CT图像序列中各腹部CT图像的多器官分割结果，能获得更准确、更稳定的分割结果。
-
公开(公告)号：CN106846380B
公开(公告)日：2019-09-03
申请号：CN201611220617.X
申请日：2016-12-26
Applicant: 北京理工大学
IPC: G06T7/30
Abstract: 本发明实施例提供一种医学图像配准方法及设备。所述方法包括：获取测试图像，在测试图像上根据第一预设规则提取多个测试子块；获取由模板子块和训练子块根据第二预设规则构建的最小生成树；计算测试子块与训练子块的第一相关度，并选择与测试子块第一相关度最高的训练子块对应的最优形变场；将最优形变场作为测试图像的稀疏形变场，并根据稀疏形变场构建稠密形变场；根据稠密形变场和测试图像向模板图像配准；其中，最优形变场由训练子块向模板子块配准获得。本发明实施例通过模板子块和训练子块构建的最小生成树以及根据测试子块获得稠密形变场，根据稠密形变场和测试图像向模板图像配准，在提高了配准的精确度的同时，缩短了在线配准时间。
-
Patent Agency Ranking
公开(公告)号：CN109993729A
公开(公告)日：2019-07-09
申请号：CN201910212994.6
申请日：2019-03-20
Applicant: 北京理工大学
IPC: G06T7/00
Abstract: 本发明实施例提供一种血管跟踪方法及装置，其中方法包括：在血管模型中的当前中心点的下游指定种子点，根据所述种子点生成一定数量的偏移截面，所述偏移截面均匀分布在以所述种子点为球心的球面上；对每个偏移截面进行不大于第一预设次数的迭代更新，计算相邻两次迭代的偏移截面的位置变化，若位置变化值连续第二预设次数均小于预设值，则将当前迭代的偏移截面中的中心点作为稳定点；根据所有稳定点的分布情况确定血管模型中下一个中心点。本发明克服了现有技术需要手动设计的特征定位血管轮廓带来的效率低下的问题。
-
公开(公告)号：CN105931237A
公开(公告)日：2016-09-07
申请号：CN201610245132.X
申请日：2016-04-19
Applicant: 北京理工大学
IPC: G06T7/00
CPC classification number: G06T2207/10068 , G06T2207/10081 , G06T2207/30096
Abstract: 本发明提供了一种图像校准方法和系统。该方法包括：获取待测用户多个标定点在第一坐标系中的坐标，所述第一坐标系为所述待测用户的第一图像的坐标系；获取待测用户实时图像中对应标定点在第二坐标系中的坐标，所述第二坐标系为待测用户的坐标系；根据所述多个标定点在第一坐标系中的坐标和所述实时图像中对应标定点在第二坐标系中的坐标获取第一坐标系与第二坐标系的转换关系；获取待测用户的初始点云和实时点云；对所述实时点云和初始点云进行配准，获取第三坐标系与第一坐标系的转换关系，所述第三坐标系为点云采集设备的坐标系；并对所述第一图像进行校准。本发明实现对用户运动的检测，并对用户的运动造成的图像误差进行调整。
-
公开(公告)号：CN103310458B
公开(公告)日：2016-05-11
申请号：CN201310245218.9
申请日：2013-06-19
Applicant: 北京理工大学
IPC: G06T7/00
Abstract: 本发明提出了一种结合凸包匹配和多尺度分级策略的医学图像弹性配准方法，解决了大角度变换的图像配准问题，并且提高了图像配准的精度。基于凸包匹配实现点云预配准，即通过等值面提取算法提取体数据表面结构，使用点云凸包表面匹配的方法获取最优刚性配准结果；通过对图像进行多尺度分块实现弹性配准，利用多尺度迭代过程对图像做不同尺度的模糊，实现由粗至细的匹配过程；以互信息量作为相似性测度，结合三线性部分体积分布插值算法，通过迭代优化得到最优弹性变换参数。
-
公开(公告)号：CN104318552A
公开(公告)日：2015-01-28
申请号：CN201410543339.6
申请日：2014-10-15
Applicant: 北京理工大学
IPC: G06T7/00
CPC classification number: G06T7/344
Abstract: 本发明涉及一种基于凸包投影图匹配的模型配准方法，该算法由六个步骤实现：1)选取具有旋转平移不变性的三维凸包表面作为参考平面。2)将三维模型上的每一个点平行投影至凸包表面上。3)在待配准模型各自的二维图像间进行特征的提取与匹配。4)将得到的二维特征点对反投影至凸包表面，还原成有效的三维特征配对。5)使用这些三维特征点对估计待配准模型间的刚性变换。6)以这些三维特征点对作为控制点进行全局弹性优化。本发明实现了在不含纹理信息的模型数据上提取特征并完成多视模型的全局配准优化，并具备运算效率高、配准精度高、初始位姿适应性强的特点，可应用于物体跟踪、三维模型拼接及三维重建等领域。
-
公开(公告)号：CN103020960A
公开(公告)日：2013-04-03
申请号：CN201210485248.2
申请日：2012-11-26
Applicant: 北京理工大学
IPC: G06T7/00
Abstract: 本发明属于计算机视觉领域，鉴于传统的点云配准算法计算复杂度高，且对点云的初始位姿具有较强的依赖性，提出一种基于凸包不变性的点云配准方法。配准过程为：提取待配准的两个点云对应的三维凸包，将凸包表面分解为有限数量的有向三角形；根据三角形在允许误差范围内的全等判决条件，选取三角形的四个特征点，进行三角形变换关系的估计；利用参数优化算法，求解匹配参数，重复计算所有匹配关系对应的两个点云的相似性测度，最大相似性测度对应的变换参数即为最优刚性变换参数。本发明实现了多视点云的全局优化配准，并具备运算效率高、配准精度高、初始位姿适应性强的特点，可应用于物体跟踪、三维模型拼接及三维重建等领域。
-
-
-
-
-
-
-
-
-
Search Results
197
records
(took 0.029 seconds)
