-
公开(公告)号：CN110782488B
公开(公告)日：2022-08-12
申请号：CN201910960899.4
申请日：2019-10-11
Applicant: 华中科技大学
IPC: G06T7/38
Abstract: 本发明提供了一种基于形状约束的连续脑片图像三维配准方法，涉及图像配准的技术领域。包括S1：将待配准的二维脑图像序列对齐，得到二维对齐序列，重建成初始三维体；S2：将标准脑图谱线性配准到初始三维体上，得到参考脑图谱，将二维对齐序列的图片逐张配准在参考脑图谱内对应位置的切面上，得到二维校正序列，重建成校正三维体；S3：获得校正三维体内各像素点的反向形变参数，根据反向形变参数对校正三维体进行空间偏移调整，得到精修三维体。把参考脑图谱作为全局形状的约束条件，从而将真实脑组织的正确形状引入到校正三维体重建中，解决了现有技术中由于缺少空间位置关系和全局形状信息而导致的轴向偏移问题。
-
公开(公告)号：CN108537723B
公开(公告)日：2021-09-28
申请号：CN201810307540.2
申请日：2018-04-08
Applicant: 华中科技大学苏州脑空间信息研究院
IPC: G06T3/00
Abstract: 本发明涉及一种海量脑图像数据集的三维非线性配准方法及系统，所述海量脑图像数据集的三维非线性配准方法，包括以下步骤：S0.降采样步骤；S1.低分辨图像配准步骤，其中包括：S11.线性配准步骤；S12.非线性配准步骤；S2.高分辨图像快速变换步骤，其中包括：S21.高分辨配准的变换矩阵计算步骤；S22.高分辨配准后空间范围计算步骤；S23.分块步骤；S24.高分辨非线性变换步骤。本发明利用低分辨图像数据配准信息，对海量高分辨三维图像数据集进行变换，实现海量高分辨三维图像数据集的非线性配准。本发明适用于基于变换矩阵的所有线性配准和基于位移场的所有非线性配准，能够快速对TB级数据集进行非线性配准。
-
公开(公告)号：CN104615739A
公开(公告)日：2015-05-13
申请号：CN201510072037.X
申请日：2015-02-11
Applicant: 华中科技大学
IPC: G06F17/30
CPC classification number: G06F17/30073 , G06F17/30224 , G06F17/30271
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。
-
公开(公告)号：CN110807778B
公开(公告)日：2022-07-15
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：CN110660068B
公开(公告)日：2022-06-03
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。
-
Patent Agency Ranking
公开(公告)号：CN110782488A
公开(公告)日：2020-02-11
申请号：CN201910960899.4
申请日：2019-10-11
Applicant: 华中科技大学
IPC: G06T7/38
Abstract: 本发明提供了一种基于形状约束的连续脑片图像三维配准方法，涉及图像配准的技术领域。包括S1：将待配准的二维脑图像序列对齐，得到二维对齐序列，重建成初始三维体；S2：将标准脑图谱线性配准到初始三维体上，得到参考脑图谱，将二维对齐序列的图片逐张配准在参考脑图谱内对应位置的切面上，得到二维校正序列，重建成校正三维体；S3：获得校正三维体内各像素点的反向形变参数，根据反向形变参数对校正三维体进行空间偏移调整，得到精修三维体。把参考脑图谱作为全局形状的约束条件，从而将真实脑组织的正确形状引入到校正三维体重建中，解决了现有技术中由于缺少空间位置关系和全局形状信息而导致的轴向偏移问题。
-
公开(公告)号：CN117557603A
公开(公告)日：2024-02-13
申请号：CN202311523307.5
申请日：2023-11-15
Applicant: 华中科技大学苏州脑空间信息研究院
Abstract: 本发明提供一种面向介观水平显微光学脑图谱的映射方法，用于将第二脑图谱向第一脑图谱映射，包括：步骤一，构建多层级模型；步骤二，对第一层级的脑区图像进行映射，将名称相同的第一脑图谱中第一层级的脑区图像与第二脑图谱中第一层级的脑区图像进行配准，获得第一层级形变场；步骤三，对第二层级的脑区图像进行映射，将名称相同的第一脑图谱中第二层级的脑区图像与第二脑图谱中第二层级的脑区图像进行配准，获得第二层级形变场；步骤四，以此类推，对第三层级以及以下所有各层级的脑区图像，执行类似步骤三的操作，获得各层级形变场。本发明能够实现介观水平不同脑图谱脑之间映射对齐。
-
公开(公告)号：CN110599529B
公开(公告)日：2022-06-03
申请号：CN201910853269.7
申请日：2019-09-10
Applicant: 华中科技大学苏州脑空间信息研究院
IPC: G06T7/33
Abstract: 本发明提供一种显微光学图像的脑区扩张校正方法，所述方法包括如下步骤：步骤S1，区域特征提取及三维表面重建；步骤S2，点云非线性配准；步骤S3，图像非线性配准；步骤S4，高分辨非线性配准。本发明首先基于点云非线性配准，确定脑组织形变的强度和拉伸方向，然后利用薄板样条非线性形变模型，结合点云数据获取的强度和方向信息，构造非线性形变场。由于薄板样条模型可以构造出全局范围、拉伸均匀的形变，因此可以避免传统非线性配准计算中形变仅发生在脑室周边的问题，使得脑室周围的图像形变能够符合生物组织形变的真实情况，避免过度拉伸。
-
公开(公告)号：CN108537723A
公开(公告)日：2018-09-14
申请号：CN201810307540.2
申请日：2018-04-08
Applicant: 华中科技大学苏州脑空间信息研究院
IPC: G06T3/00
Abstract: 本发明涉及一种海量脑图像数据集的三维非线性配准方法及系统，所述海量脑图像数据集的三维非线性配准方法，包括以下步骤：S0.降采样步骤；S1.低分辨图像配准步骤，其中包括：S11.线性配准步骤；S12.非线性配准步骤；S2.高分辨图像快速变换步骤，其中包括：S21.高分辨配准的变换矩阵计算步骤；S22.高分辨配准后空间范围计算步骤；S23.分块步骤；S24.高分辨非线性变换步骤。本发明利用低分辨图像数据配准信息，对海量高分辨三维图像数据集进行变换，实现海量高分辨三维图像数据集的非线性配准。本发明适用于基于变换矩阵的所有线性配准和基于位移场的所有非线性配准，能够快速对TB级数据集进行非线性配准。
-
公开(公告)号：CN115049626B
公开(公告)日：2025-05-02
申请号：CN202210734691.2
申请日：2022-06-27
Applicant: 华中科技大学苏州脑空间信息研究院
Abstract: 本发明提供一种图谱辅助绘制方法、计算机可读存储介质及电子设备，通过步骤S1，脑片轴向对应关系构建；步骤S2，旧版图谱数据规范化；步骤S3，区域特征提取；步骤S4，非线性配准；步骤S5，旧版图谱信息整合，实现将旧版图谱上的脑区位置和边界信息，准确地匹配到待绘制新图谱的图像上。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.016 seconds)
