-
公开(公告)号：CN112967374A
公开(公告)日：2021-06-15
申请号：CN202110192750.3
申请日：2021-02-20
Applicant: 济南大学
Abstract: 本发明提供一种骨科手术钢板数字预弯模型获取方法及系统，均基于患者断骨的虚拟复位后的三维骨骼模型，均能实现以下步骤：读取患者断骨的虚拟复位后的三维骨骼模型；在所述三维骨骼模型上确定用于放置钢板的位置，并基于所确定的位置生成钢板预弯曲线；计算钢板预弯曲线的长度，并从预先创建的数字钢板库中选出长度最接近计算出的钢板预弯曲线的长度的钢板模型；提取所选出的钢板模型的中轴线；基于所述中轴线，对所述钢板预弯曲线进行配准，得到配准后的钢板预弯曲线；根据配准后的钢板预弯曲线，对上述所选出的钢板模型进行轴变形预弯，得到上述选出的钢板模型对应的预弯模型。本发明用于辅助实现对实体钢板的数字预弯。
-
公开(公告)号：CN112381922A
公开(公告)日：2021-02-19
申请号：CN202011166009.1
申请日：2020-10-27
Applicant: 济南大学
Abstract: 本发明提供一种人体骨骼缺失部位的骨骼模型获取方法、系统及终端，均能：对目标骨骼及基准骨骼的CT图像进行重构得到第一骨骼模型S1和第二骨骼模型S2；将S1、S2转换成第一点云模型C1和第二点云模型C2；对第二点云模型C2作对称变换，得到第三点云模型C2’；对第三点云模型C2’进行变形配准得到配准点云模型C3；去除配准点云模型C3中与第一点云模型C1重叠的点，得到第四点云模型C4；判断第四点云模型C4中是否存在离群点，并对应获取目标点云模型；将所得到的目标点云模型转换为三维骨骼模型，得到目标骨骼对应的骨骼模型。本发明用于获取人体骨骼上待修复骨缺失部位的骨骼模型，用以辅助制造与患者待修复骨缺失部位相吻合的缺损骨。
-
公开(公告)号：CN110599528A
公开(公告)日：2019-12-20
申请号：CN201910828807.7
申请日：2019-09-03
Applicant: 济南大学
Abstract: 本发明提供一种基于神经网络的无监督三维医学图像配准方法及系统，包括：图像采集；对获取到的三维医学图像进行预处理；训练神经网络，得到训练好的神经网络模型；将待配准的医学图像输入训练好的神经网络模型进行配准，得到并输出配准图像。其中，本发明基于变形场变形场 变形场 以及基于变形后的图像 变形后的图像 变形后的图像变形后的图像 利用损失函数计算固定图像IF与所述变形后的图像 之间的损失函数值，并对神经网络进行反向传播优化，直至计算所得的损失函数值不再变小或网络训练达到预先设定的训练迭代次数，神经网络训练完成，得到训练好的神经网络模型。本发明用于实现医学图像配准。
-
公开(公告)号：CN116758218A
公开(公告)日：2023-09-15
申请号：CN202310674227.3
申请日：2023-06-06
Applicant: 济南大学
Abstract: 本发明公开了一种三维人体几何模型重建及脊柱侧弯矫形器制作方法及系统，该方法包括：获取患者保持同一姿势自转一周的人体运动视频；采用SMPL估计方法获取视频每一帧的SMPL模型，进而获取人体法线图；基于SMPL模型和人体法线图，生成局部特征，进而生成三维人体几何模型；将三维人体几何模型导入建模软件，基于比例恢复三维人体几何模型的实际大小，得到与患者实际身高形态相契合的三维人体几何模型；通过参数化逆向建模，生成脊柱侧弯矫形器模型。本发明通过基于视频法线的三维人体重建算法获取与患者轮廓高度契合的三维人体几何模型，并运用参数化逆向建模方法生成贴合性更好的脊柱侧弯矫形器模型，该方法简单易行。
-
公开(公告)号：CN112949590B
公开(公告)日：2023-02-21
申请号：CN202110350260.1
申请日：2021-03-31
Applicant: 济南大学
Abstract: 本发明提供一种跨域行人重识别模型构建方法及构建系统，均能够实现以下步骤：对源域训练集进行有监督预训练，生成三个不同的预训练模型；利用上述生成的三个预训练模型构造三个协作网络模型；利用目标域数据集对上述构造的三个协作网络模型进行迭代训练，对应得到三个训练好的协作网络模型；从上述得到的三个训练好的协作网络模型中选取出性能最好的一个模型，该选取出的性能最好的模型即为构建得到的跨域行人重识别模型。本发明用于提高无监督跨域行人重识别的能力。
-
Patent Agency Ranking
公开(公告)号：CN115018728A
公开(公告)日：2022-09-06
申请号：CN202210674899.X
申请日：2022-06-15
Applicant: 济南大学
Abstract: 本发明公开了一种基于多尺度变换和卷积稀疏表示的图像融合方法，包括：不同模态的医学图像通过滚动引导滤波分解得到的基础子图和细节子图，通过NSST将基础子图分解为多尺度方向的高频子带和低频子带，通过卷积稀疏表示编码为高频稀疏系数和低频稀疏系数，对高频和低频系数进行相应不同的融合规则进行稀疏系数的融合，通过卷积稀疏表示对融合系数重建，通过逆NSST对融合子带重建得到融合后的基础子图，同时采用基于加权改进的拉普拉斯能量和融合细节子图，将融合后的基础子图和细节子图相加得到最终的融合图像。本发明解决现有的医学图像融合方法中存在的问题，为医学图像融合领域提供了更好的解决方案，实现高质量融合图像的获得。
-
公开(公告)号：CN114926660A
公开(公告)日：2022-08-19
申请号：CN202210608365.7
申请日：2022-05-31
Applicant: 济南大学
IPC: G06V10/46 , G06V10/77 , G06V10/764 , G06V10/82 , G06F16/9032 , G16H30/40 , G06N3/04 , G06N3/08
Abstract: 本公开提供了一种用于医学视觉问答的图像编码方法、问答方法及系统，所述方案包括：获取待编码的医学图像；将所述医学图像输入预先训练的图像编码深度学习模型中获得图像编码结果；其中，所述图像编码深度学习模型，具体包括：若干自适应卷积层和池化层，每个自适应卷积层包括若干个尺寸大小可调的卷积核以及非线性层构成；所述尺寸大小可调的卷积核具体表示为：将卷积核表示为不同阶的第一方阵和第二方阵相加，所述第二方阵通过可调节参数进行使能；同时，基于上述图像编码方法实现医学视觉问答。
-
公开(公告)号：CN112016610B
公开(公告)日：2022-05-31
申请号：CN202010863994.5
申请日：2020-08-25
Applicant: 济南大学
Abstract: 本发明提供一种图像特征匹配方法及系统，二者均能：读入待进行特征匹配的第一、第二图像；对读入的两张图像上的特征点进行粗匹配；采用GMS算法对上述粗匹配进行降噪；对所读入的两张图像上的特征点再次进行粗匹配；根据再次进行粗匹配时获取到的粗匹配特征点对，恢复上述降噪时错误剔除的粗匹配特征点对，得到恢复的错误剔除的粗匹配特征点对；汇集上述降噪后得到的粗匹配特征点对及上述得到的恢复的错误剔除的粗匹配特征点对，得到汇集后的粗匹配；使用RANSAC算法对汇集后的粗匹配降噪，降噪后得到的粗匹配为第一、第二图像的特征匹配；其中，所涉及的两次粗匹配采用的匹配器不同。本发明用于提高采用GMS降噪的图像特征匹配的准确性。
-
公开(公告)号：CN112926685A
公开(公告)日：2021-06-08
申请号：CN202110337542.8
申请日：2021-03-30
Applicant: 济南大学
Abstract: 本申请公开了一种工业中钢材氧化带目标检测方法、系统及设备，采集不同光照强度下不同钢材类型的氧化带样本图像，进行图像预处理以获得初始氧化带样本数据集；按预设比例划分为训练集、验证集、测试集；基于原始YOLOv4‑tiny算法改进其网络结构，得到钢材氧化带目标检测算法；利用训练集对优化后的网络训练，选取mAP最优的权重文件；将训练完成的网络集成在检测系统中，检测钢材氧化带图像得到氧化带的位置信息。优化后的网络减少了计算参数，提高了网络提取有效特征的能力，能够减少检测中的误判和漏检。压缩后的模型能够部署在小型嵌入式设备端实现在线检测，提高检测方法对复杂工业环境的鲁棒性，为工业智能制造提供了技术保障。
-
公开(公告)号：CN112016610A
公开(公告)日：2020-12-01
申请号：CN202010863994.5
申请日：2020-08-25
Applicant: 济南大学
Abstract: 本发明提供一种图像特征匹配方法及系统，二者均能：读入待进行特征匹配的第一、第二图像；对读入的两张图像上的特征点进行粗匹配；采用GMS算法对上述粗匹配进行降噪；对所读入的两张图像上的特征点再次进行粗匹配；根据再次进行粗匹配时获取到的粗匹配特征点对，恢复上述降噪时错误剔除的粗匹配特征点对，得到恢复的错误剔除的粗匹配特征点对；汇集上述降噪后得到的粗匹配特征点对及上述得到的恢复的错误剔除的粗匹配特征点对，得到汇集后的粗匹配；使用RANSAC算法对汇集后的粗匹配降噪，降噪后得到的粗匹配为第一、第二图像的特征匹配；其中，所涉及的两次粗匹配采用的匹配器不同。本发明用于提高采用GMS降噪的图像特征匹配的准确性。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.02 seconds)
