-
公开(公告)号：CN107957865B
公开(公告)日：2020-06-02
申请号：CN201711174121.8
申请日：2017-11-22
Applicant: 华中科技大学
IPC: G06F8/30
Abstract: 本发明公开了一种神经元重建结果匹配方法，具体包括如下步骤：(1)导入多个数字化树型神经元重建文件，并获取对应的多个骨架点集合；(2)根据目标神经元的特性，构建多维哈希容器；(3)根据步骤(2)所构建的多维哈希容器，为步骤(1)导入的每一个数字化树型神经元重建文件创建一个多维哈希容器，并将每一个神经元骨架点集合保存到对应的多维哈希容器中；(4)根据步骤(3)所创建的多维哈希容器，对每两个多维哈希容器内的元素进行搜索匹配，输出匹配结果。本发明可在不消耗大量存储空间的情况下快速定位神经元重建结果匹配的一致点和差异点，并且适用于大规模神经元重建结果的匹配以及任何具有管状结构的图像匹配。
-
公开(公告)号：CN117643528A
公开(公告)日：2024-03-05
申请号：CN202311462254.0
申请日：2023-11-02
Applicant: 华中科技大学
Abstract: 本发明公开了一种激光能量的调控方法及系统。一种激光能量的调控方法包括：获取当前时刻的激光光束作用在加工物品上加工点产生的实际超声波信号强度；获取作用在该加工点的激光光束达到加工阈值能量时产生的目标超声波信号强度；根据实际超声波信号强度和目标超声波信号强度所对应的激光光束的能量，计算得到当前时刻的激光光束的能量调节比例；实时反馈调节下一时刻的激光光束的能量，以使下一时刻的激光光束的能量达到该加工点的加工阈值能量。根据加工点的阈值实时调整加工激光能量，使加工激光能量一直被调整到角膜的当前加工点的阈值能量，从而实现高精度激光加工。
-
公开(公告)号：CN113591616B
公开(公告)日：2024-02-13
申请号：CN202110796162.0
申请日：2021-07-14
Applicant: 华中科技大学
IPC: G06V20/69 , G06V20/64 , G06V10/26 , G06V10/762
Abstract: 本发明公开了一种基于前景点聚类的神经纤维重建方法和系统，属于图像处理领域。本发明通过高斯混合模型将纤维结构聚类为一系列首尾相连的椭球结构，进而将神经纤维结构特征抽象为一组椭球状点集，少部分出现多根纤维虚假连接的情况，可视为椭球结构在中部相互交叉，这种抽象模式可体现出神经纤维的行进方向仅为椭球结构的轴线方向，与之对应，在求解高斯混合模型过程中，通过尽可能延长椭球长轴距离，有效保证纤维形状仅按照行进方向延伸，同时，对于虚假连接的纤维，其交叉处会出现的多个分叉的错误情况，本方法通过限制椭球的短轴的生长，使得虚假连接处的纤维不能够生长出多个分叉，只能沿着一个方向延伸，从而解决虚假连接的问题。
-
公开(公告)号：CN109886888B
公开(公告)日：2021-05-18
申请号：CN201910081471.2
申请日：2019-01-28
Applicant: 华中科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于L1范数最小化模型的神经纤维骨架校正方法，包括：获取存在扭曲神经纤维结构的原始图像；对原始图像进行重建，获得待校正的神经纤维初始骨架；固定初始骨架上的两个端点，基于L1范数最小化模型，校正两个端点之间所有节点位置。本发明通过L1范数最小化模型校正神经纤维骨架，构建的L1范数最小化模型包括两部分，一部分用于测算节点的信号值，保证纤维骨架点尽可能向其在真实图像中局部信号最强处聚集，另一部分运用骨架点之间的二阶差分反映纤维骨架的光滑性，在尽可能维持纤维平滑的特征中，保留真实纤维的扭曲结构稀疏分布的特点，相比现有以L2范数模型为基础的校正方法，更适用于真实图像中存在扭曲结构的纤维骨架校正。
-
公开(公告)号：CN109886888A
公开(公告)日：2019-06-14
申请号：CN201910081471.2
申请日：2019-01-28
Applicant: 华中科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于L1范数最小化模型的神经纤维骨架校正方法，包括：获取存在扭曲神经纤维结构的原始图像；对原始图像进行重建，获得待校正的神经纤维初始骨架；固定初始骨架上的两个端点，基于L1范数最小化模型，校正两个端点之间所有节点位置。本发明通过L1范数最小化模型校正神经纤维骨架，构建的L1范数最小化模型包括两部分，一部分用于测算节点的信号值，保证纤维骨架点尽可能向其在真实图像中局部信号最强处聚集，另一部分运用骨架点之间的二阶差分反映纤维骨架的光滑性，在尽可能维持纤维平滑的特征中，保留真实纤维的扭曲结构稀疏分布的特点，相比现有以L2范数模型为基础的校正方法，更适用于真实图像中存在扭曲结构的纤维骨架校正。
-
Patent Agency Ranking
公开(公告)号：CN107957865A
公开(公告)日：2018-04-24
申请号：CN201711174121.8
申请日：2017-11-22
Applicant: 华中科技大学
IPC: G06F8/30
Abstract: 本发明公开了一种神经元重建结果匹配方法，具体包括如下步骤：(1)导入多个数字化树型神经元重建文件，并获取对应的多个骨架点集合；(2)根据目标神经元的特性，构建多维哈希容器；(3)根据步骤(2)所构建的多维哈希容器，为步骤(1)导入的每一个数字化树型神经元重建文件创建一个多维哈希容器，并将每一个神经元骨架点集合保存到对应的多维哈希容器中；(4)根据步骤(3)所创建的多维哈希容器，对每两个多维哈希容器内的元素进行搜索匹配，输出匹配结果。本发明可在不消耗大量存储空间的情况下快速定位神经元重建结果匹配的一致点和差异点，并且适用于大规模神经元重建结果的匹配以及任何具有管状结构的图像匹配。
-
公开(公告)号：CN115982099A
公开(公告)日：2023-04-18
申请号：CN202211699990.3
申请日：2022-12-28
Applicant: 华中科技大学
IPC: G06F16/11 , G06F16/174 , G06T7/10
Abstract: 本发明属于生物医学领域，具体涉及一种TB级生物医学三维图像数据的大数据格式归档方法，包括：计算TB级图像序列切片信息，将图像序列划分为若干个三维局部块；采用串行读并行解码的方式快速读取三维局部块；对每个三维局部块切块，得到若干个三维小块；利用三维小块z轴连续变化的信息，对每个三维小块进行压缩；将压缩数据连续写入对应容器中，得到0级大数据格式数据；再对局部块下采样，压缩，连续写入到对应1级大数据格式容器中；相同的方式得到2级大数据格式的数据。本发明直接快速读取局部块，利用z轴连续信息压缩制作TB级生物医学三维图像大数据格式，具有低成本、实用性强、操作简便等优点，且可并行计算，进一步加速归档。
-
公开(公告)号：CN113313673B
公开(公告)日：2022-05-20
申请号：CN202110501547.X
申请日：2021-05-08
Applicant: 华中科技大学
Abstract: 本发明属于图像处理领域，公开了一种基于深度学习的TB量级3D脑神经数据消减方法及系统，其中方法包括以下步骤：S1：建立测试数据集；S2：建立分割模型并训练；S3：利用分割模型对测试数据集中的每个待测图像进行处理，得到与每个待测图像相对应的神经纤维分布信息；S4：利用形态学操作对神经纤维分布信息进行优化处理，使空间三维维度下的神经纤维轮廓图中与神经纤维所在区域相对应的最大连通域得以优化，最终得到TB级稀疏性全脑神经纤维数据消减结果。本发明能够快速，准确和有效地消减TB量级及以上脑神经数据集，大幅度减少后续神经元重建的数据量，提高重建效率。
-
公开(公告)号：CN111916187A
公开(公告)日：2020-11-10
申请号：CN202010695480.3
申请日：2020-07-17
Applicant: 华中科技大学
Abstract: 本发明公开了一种医学图像细胞位置辅助用户定位方法、系统和装置，属于图像处理领域。本发明细胞位置标记过程中，用户仅需在任一二维平面点击某细胞的任一位置，即可获得当前细胞完整的三维形状定位。该细胞占据的空间位置在二维图像序列中将以一系列半径变化的红色空心圆标识。用户不需要反复浏览二维图像序列，寻找当前细胞的半径最大处标记。所有用户标记的细胞位置在二维图像序列中将由系列半径变化的红色空心圆标识。未标记过的细胞没有标识。这一操作能防止用户在序列图像中重复标记同一细胞，将有效提升细胞标记的效率。本发明帮助用户在不同维度检查细胞标记的结果，通过同时显示二维和三维可视化界面，提升用户标记细胞的准确率和效率。
-
公开(公告)号：CN109948793B
公开(公告)日：2020-10-30
申请号：CN201910094482.4
申请日：2019-01-31
Applicant: 华中科技大学
IPC: G06N3/08
Abstract: 本发明公开了一种神经元骨架分叉点的校正方法及神经元形态重建方法，包括：对于每一个分叉点po，获得与其直接相连的组合骨架和分立骨架；对组合骨架进行平滑处理以得到平滑骨架，并通过卷积生成仿真图像；将平滑骨架上距离分叉点po最近的骨架点作为优化分叉点，并作为分立骨架的新头节点，调整优化分叉点的位置，使其位于平滑骨架上，且分立骨架主方向与其原主方向具有最高的一致性；将平滑骨架上由优化分叉点分成的骨架S11和骨架S12分别与分立骨架组合得到第一组合骨架和第二组合骨架；利用第一组合骨架和骨架S12以及第二组合骨架和骨架S11得到另外两个优化分叉点；对三个优化分叉点的位置进行加权平均。本发明能够准确定位神经元骨架分叉点的位置。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.018 seconds)
