-
公开(公告)号：CN108550147B
公开(公告)日：2021-07-06
申请号：CN201810329472.X
申请日：2018-04-13
Applicant: 华中科技大学苏州脑空间信息研究院
Abstract: 本发明提供一种全脑神经束投射路径自动追踪方法及系统，包括以下步骤：数据预处理；信号提取；数据空间分块；信号密度计算；投射路径计算；路径整合及可视化。本发明对于全脑数据集可以进行神经束投射路径自动追踪，计算结果能与信号高度重合，准确度高。计算所得矢量化的神经束路径，可以定量描述脑区连接关系。
-
公开(公告)号：CN110807778A
公开(公告)日：2020-02-18
申请号：CN201910960898.X
申请日：2019-10-11
Applicant: 华中科技大学
Abstract: 本发明提供了一种迭代式的三维脑空间位置自动计算方法，涉及图像分割的技术领域。S1，选取一套N个层级的树形组织结构的脑解剖结构命名系统，分别构建每一个层级的脑区知识库，选取一种深度学习网络结构训练得到包含有各层级脑区子预测网络的总预测网络；S2，向总预测网络中输入待处理图像，把原始根节点作为第一个层级，然后对待处理图像逐层级地进行预测分割和精确配准的计算，直到完成所有层级的计算为止，最终得到经过空间定位的输出数据。首先通过子预测网络对待处理图像的脑区进行初步的预测分割，再将脑区知识库与预测分割的结果进行精确配准，对预测分割结果做进一步地修正，逐层级迭代后，又进一步地提升了解剖定位的准确度与精度。
-
公开(公告)号：CN110675372A
公开(公告)日：2020-01-10
申请号：CN201910853273.3
申请日：2019-09-10
Applicant: 华中科技大学苏州脑空间信息研究院
Abstract: 本发明提供一种细胞分辨水平的脑组织三维图像的脑区自动分割方法及系统，包括如下步骤：步骤S1，获取原始数据；步骤S2，降采样；步骤S3，低分辨特征提取；步骤S4，绘制初始轮廓；步骤S5，低分辨脑区分割；步骤S6，升采样标号值；步骤S7，高分辨特征提取；步骤S8，高分辨脑区分割；步骤S9，边界优化；步骤S10，循环处理；步骤S11，输出结果。本发明方法基于脑区细胞纹理的概率分布，利用细胞分辨图像对细胞构筑细节信息的敏感性提取图像纹理细节信息，再与脑区纹理空间分布特征相结合，强化对纹理细节和边缘轮廓的共同描述，以弥补传统特征提取算法对脑区纹理信息描述不足的缺陷。
-
公开(公告)号：CN110660068A
公开(公告)日：2020-01-07
申请号：CN201910853268.2
申请日：2019-09-10
Applicant: 华中科技大学苏州脑空间信息研究院
IPC: G06T7/12
Abstract: 本发明提供一种三维细胞构筑图像的半自动脑区分割方法，包括：步骤S1，知识引入；步骤S2，知识数字化；步骤S3，知识封装；步骤S4，脑区自动识别；步骤S5，脑区边界优化。本发明通过深度学习方法可以更好地提炼出更高维、更抽象的特征，因此能够识别离散胞体所组成的脑区的整体边界；此外，通过交互式分割，本发明成功地将神经解剖学的先验知识引入到了深度学习技术所构建的预测网络中，通过将专家掌握的神经解剖学先验知识数字化，使得专家大脑中只可意会难以言传的经验得以变为工具而被重复使用，大大降低了脑区自动识别的门槛，从而让普通的神经科学研究者得以摆脱对神经解剖学这一狭窄领域知识的高度依赖，极大地提升了脑区识别的效率。
-
公开(公告)号：CN104615739B
公开(公告)日：2018-10-09
申请号：CN201510072037.X
申请日：2015-02-11
Applicant: 华中科技大学
IPC: G06F17/30
Abstract: 本发明涉及一种适用于三维脑组织高分辨海量图集的数据快速归档方法，包括以下步骤：生成归档数据：将三维数据空间分割为若干大小相等数据块，并以n+1种不同分辨率生成n+1套数据集，各自根据路径自索引结构保存为独立数据文档；提取归档数据：通过感兴趣区域的起始坐标和终止坐标以及第几级分辨率6个参数，计算出包含所述感兴趣区域所需的最少数据块；依次将感兴趣区域所需的数据块的独立数据文档读入内存，并与保留感兴趣区域的数据点组成感兴趣的数据空间。本发明对三维脑组织高分辨海量图集进行归档，无需索引文件便可从归档文件中快速、连续调取出感兴趣数据块。本发明中建立和提取文档过程具有并行性，可以通过应用并行计算作进一步加速。
-
Patent Agency Ranking
公开(公告)号：CN102928970B
公开(公告)日：2014-10-29
申请号：CN201210402820.4
申请日：2012-10-19
Applicant: 华中科技大学
Abstract: 本发明涉及一种大样本快速三维显微成像的方法及系统，本发明方法：（1）样本包埋在样本块中固定在精密三维电动平移台上；（2）数字微镜阵列工作在二值调制的模式下，对照明光进行二值调制，形成结构光条纹，结构光显微镜采集样本表层1－100微米深度内的图像；（3）完成成像区域内表层的成像后，利用金刚石或硬质合金刀具，去除样本块表层已成像部分；（4）重复步骤（2）和步骤（3），直到完成数据获取任务。本发明的数字微镜阵列工作在二值调制的模式下，有效加快成像速度；通过数字微镜阵列与面阵相机的曝光同步方法，使得只有在面阵相机曝光时样本才会接受到激发光的照射，进一步降低样本的曝光量，避免光漂白效应对成像带来负面影响。
-
公开(公告)号：CN102620966B
公开(公告)日：2014-05-07
申请号：CN201210092666.5
申请日：2012-03-31
Applicant: 华中科技大学
Abstract: 本发明涉及一种适用于超薄切片和荧光成像的生物样品制备方法，属于生物工程技术领域。本发明采用4％多聚甲醛对荧光蛋白标记的生物组织进行固定，样品经0.01MOL/L？PBS溶液漂洗后，用乙醇溶液进行递度脱水，但脱水浓度不超过95％。之后，样品用改良后的乙二醇甲基丙烯酸酯(GMA)进行渗透及包埋。该方法所得包埋的生物样品具备进行连续超薄切片的硬度且能同时保持荧光信号。本发明方法成本低廉，操作步骤简单，适合在一般实验室推广使用。
-
公开(公告)号：CN102928970A
公开(公告)日：2013-02-13
申请号：CN201210402820.4
申请日：2012-10-19
Applicant: 华中科技大学
Abstract: 本发明涉及一种大样本快速三维显微成像的方法及系统，本发明方法：（1）样本包埋在样本块中固定在精密三维电动平移台上；（2）数字微镜阵列工作在二值调制的模式下，对照明光进行二值调制，形成结构光条纹，结构光显微镜采集样本表层1－100微米深度内的图像；（3）完成成像区域内表层的成像后，利用金刚石或硬质合金刀具，去除样本块表层已成像部分；（4）重复步骤（2）和步骤（3），直到完成数据获取任务。本发明的数字微镜阵列工作在二值调制的模式下，有效加快成像速度；通过数字微镜阵列与面阵相机的曝光同步方法，使得只有在面阵相机曝光时样本才会接受到激发光的照射，进一步降低样本的曝光量，避免光漂白效应对成像带来负面影响。
-
公开(公告)号：CN101478643A
公开(公告)日：2009-07-08
申请号：CN200910300109.6
申请日：2009-01-08
Applicant: 华中科技大学
Abstract: 本发明公开了一种数据采集系统，包括：传感器模块，将外部信号转换为模拟或数字电信号；数据采集模块，提供传感器模块与大容量高速缓存模块之间的数据接口；大容量高速缓存模块，接收和临时保存数据采集模块发送的数据；压缩编码模块，对大容量高速缓存模块中的数据进行压缩编码处理；专用存储模块，保存经过压缩编码处理的数据。本发明还公开了一种数据采集方法，包括：将外部信号转换为模拟或数字电信号，并写入大容量高速缓存，对所述大容量高速缓存中的数据进行压缩编码处理，保存到专用存储模块中。本发明能够大大降低专用存储模块的空间需求，也降低海量数据存储的经济成本。
-
公开(公告)号：CN101458182A
公开(公告)日：2009-06-17
申请号：CN200810306435.3
申请日：2008-12-22
Applicant: 华中科技大学
Abstract: 本发明公开一种小动物全脑标本的制备方法，其包括如下步骤：a.取小动物脑样本，将其固定浸染；b.将固定染色后的脑样本黑化，所用黑化液为pH值大于10的碱液，黑化时间为1～24小时；c.将上述得到的脑样本进行脱水，包括100％重量脱水剂脱水；d.将黑化后的脑样本采用包埋剂进行浸胶，包括连续两次100％重量的包埋剂浸胶；e.将经包埋剂浸胶后的脑样本放入包埋盒中，加入100％重量包埋剂浸没脑样本；f.将浸没脑样本的包埋盒加热，使包埋剂聚合，聚合温度为35～80℃，聚合时间为6小时～96小时。本发明的小动物全脑标本的制备方法可以染较多神经元，能同时染神经元胞体、树突和轴突，对比度高，不易褪色，能够在亚微米尺度观察全脑神经元三维形态结构。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.023 seconds)
