-
公开(公告)号：CN109472807B
公开(公告)日：2021-11-26
申请号：CN201811454839.7
申请日：2018-11-30
Applicant: 北京师范大学
Abstract: 本发明公开一种基于深度神经网络的血管模型提取方法，包括：步骤1：血管数据增强，通过T_Frangi算法，依据空间尺度理论，从而将血管数据进行增强；步骤2：候选数据保留；步骤3：血管连通区域特征计算；步骤4：深度神经网络训练，将血管特征组成的元组作为输入来训练神经网络，从而获得血管提取模型。本发明所述的基于深度神经网络的血管模型提取方法，在深度增强后的血管候选区域上，利用血管连通性，构建每个连通区域的五元特征组，训练神经网络模型，从而对血管进行提取，该方法无需对整个体数据进行训练，只需考虑候选血管连通区域部分的计算，能有效去除孤立点，提取精确度高，具有较大的灵活性。
-
公开(公告)号：CN106296660A
公开(公告)日：2017-01-04
申请号：CN201610609735.3
申请日：2016-07-28
Applicant: 北京师范大学
IPC: G06T7/00
Abstract: 本发明涉及一种全自动冠状动脉分割方法。所述方法包括：分割心脏区域，血管增强处理，自动检测种子体素，分割冠状动脉。首先分割出包括冠状动脉在内的心脏区域，分割后的图像中几乎不含任何噪点，分割精度和效率均好于由EM算法等方法分割得到的结果；通过对分割出的心脏区域进行血管增强处理，使冠状动脉图像得到明显增强程；通过对血管增强处理后的图像进行种子体素自动检测，检测出种子体素集，解决了传统的区域分割法需要人工干预的问题，增加了鲁棒性；最后通过一致性判断分割出冠状动脉。相对于仅仅采用灰度值作为标准进行区域分割的方法，本发明在一致性判断中动态改变一致性区间，既避免了人工干预，又提高了冠状动脉分割的准确性。
-
公开(公告)号：CN102982547B
公开(公告)日：2016-07-27
申请号：CN201210500362.8
申请日：2012-11-29
Applicant: 北京师范大学
IPC: G06T7/00
Abstract: 本发明提供了一种自动初始化的局域活动轮廓模型心脑血管分割方法，包括下列步骤：根据医学影像数据中血管的管状特征对三维血管进行各向异性滤波得到初始轮廓线；构造局域能量函数；通过梯度下降法最小化局域能量函数，获得对应的梯度下降流；然后，依据医学影像数据中的血管形状度量构造血管矢量场；最后联合梯度下降流和血管矢量场，得到血管演化方程。本发明根据血管形状自动设置初始轮廓线；分割精确，效率高，鲁棒性强。
-
-
公开(公告)号：CN102982547A
公开(公告)日：2013-03-20
申请号：CN201210500362.8
申请日：2012-11-29
Applicant: 北京师范大学
IPC: G06T7/00
Abstract: 本发明提供了一种自动初始化的局域活动轮廓模型心脑血管分割方法，包括下列步骤：根据医学影像数据中血管的管状特征对三维血管进行各向异性滤波得到初始轮廓线；构造局域能量函数；通过梯度下降法最小化局域能量函数，获得对应的梯度下降流；然后，依据医学影像数据中的血管形状度量构造血管矢量场；最后联合梯度下降流和血管矢量场，得到血管演化方程。本发明根据血管形状自动设置初始轮廓线；分割精确，效率高，鲁棒性强。
-
Patent Agency Ranking
公开(公告)号：CN119600196A
公开(公告)日：2025-03-11
申请号：CN202411646491.7
申请日：2024-11-18
Applicant: 北京师范大学
Abstract: 本申请公开了一种心脏动态三维形状构建方法，包括：对心脏原始图像进行分割，获得掩码图像信息；对掩码图像信息进行预处理，获得体素坐标点云集；基于体素坐标点云集构建预设损失函数；基于预设损失函数对建立的目标神经网络模型进行训练，将训练好的模型记为第一神经网络模型；基于第一神经网络模型获得每帧的有符号距离函数值；基于所有帧的有符号距离函数值，获得心脏动态三维形状。该方法能够从单个心脏图像中快速、准确地重建心脏动态三维形状，不需要数据集就能从平面外低分辨率图像重建出自然的心室形状，计算速度快，拟合准确率高，所提出的方法具有很好的泛化性，能适应整个时间序列、各种病理、各种分辨率的心脏电影磁共振图像。
-
公开(公告)号：CN114708413B
公开(公告)日：2024-11-29
申请号：CN202210344324.1
申请日：2022-03-31
Applicant: 北京师范大学
Abstract: 本发明提出一种基于等高对齐的心脏3D模型对应点匹配方法，包括：步骤1，根据心脏的核磁共振图像的2D标注数据生成3D模型；步骤2，从心脏的3D模型中提取点云数据；步骤3，通过第一次配准将不同心脏的点云模型进行仿射变换到同一坐标系；步骤4，通过等高对齐心脏点云模型，并通过寻找最近邻点的方法来找到不同心脏的对应点。所述方法从心脏的核磁共振图像的2D标注数据中生成3D模型，再从3D模型中提取心脏点云，然后通过第一次配准将不同心脏的点云模型进行仿射变换到同一坐标系，最后通过等高对齐心脏点云模型并通过寻找最近邻点的方法来寻找不同的心脏点云的对应点，计算速快，查找对应点准确率高，更适合大规模数据集的应用。
-
公开(公告)号：CN116883682A
公开(公告)日：2023-10-13
申请号：CN202310727262.7
申请日：2023-06-19
Applicant: 北京师范大学
IPC: G06V10/44 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开一种基于经纬坐标的心脏曲面特征点提取方法，包括：分割心脏左心室、心肌、右心室，获取心脏三个子结构的边界轮廓线；根据边界轮廓线重构三个心脏子结构的网格曲面；以距离和角度为依据，在网格曲面上标定经纬线，将各子结构曲面划分为多个小区域；根据经纬线信息，获得曲面的特征点；所述基于经纬坐标的心脏曲面特征点提取方法将经纬线与曲面相结合，灵活方便，可有效简化模型；无需提前给定心脏模型形状以及大量的标注数据和计算资源；不同时间帧下曲面的特征点分布均匀且索引有序，便于心脏曲面的动态跟踪与形变分析。
-
公开(公告)号：CN115239740A
公开(公告)日：2022-10-25
申请号：CN202210645929.4
申请日：2022-06-08
Applicant: 北京师范大学
Abstract: 本发明提出一种基于GT‑UNet的全心分割算法，包括：对输入的三维多模态心脏图像(包含CT和MRI)进行预处理；将预处理后的数据转换成多张相互独立的切片输送到二维分割网络中训练，输出类别概率图a；将预处理后的数据切割成多个独立的数据体，输送到三维分割网络中训练，输出类别概率图b；将类别概率图a和类别概率图b送入融合模块，进行逐像素比较，以最大概率类别进行全心分割；所述全心分割算法根据输入自适应调整感受野的尺寸，有效利用全局信息来远程建模，从而有效提升了算法的分割精度。
-
公开(公告)号：CN109493323B
公开(公告)日：2022-03-15
申请号：CN201811228755.1
申请日：2018-10-22
Applicant: 北京师范大学
Abstract: 本发明公开一种基于截面形变几何信息的冠脉狭窄双重判定方法，包括如下步骤：步骤1：冠脉重建；步骤1.1：计算血管中心线点处的切线；步骤1.2：血管截面重建，在三维冠脉CT血管造影图像中采集以血管行进方向为法线的血管横截面轮廓；步骤2：冠脉狭窄判断；步骤2.1：第一重判断，可疑狭窄截面检测；步骤2.2：第二重判定，血管段狭窄等级判定，对整条血管上的检测数据进行综合分析。本发明所述基于截面形变几何信息的冠脉狭窄双重判定方法充分考虑了中心线点位置、血管截面狭窄位置、血管截面的凹凸性及凹凸程度等血管的几何形状信息，对血管狭窄进行精确的判定，有效克服传统算法的缺陷。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.018 seconds)
