-
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：CN113591616A
公开(公告)日：2021-11-02
申请号：CN202110796162.0
申请日：2021-07-14
Applicant: 华中科技大学
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：CN113313673A
公开(公告)日：2021-08-27
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：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。
-
-
-
Search Results
4
records
(took 0.025 seconds)
