-
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：CN108564607B
公开(公告)日：2021-08-03
申请号：CN201810307539.X
申请日：2018-04-08
Applicant: 华中科技大学苏州脑空间信息研究院
IPC: G06T7/33
Abstract: 本发明提供一种三维脑图谱数据集空间校准方法及系统，所述三维脑图谱数据集空间校准方法包括以下步骤：S1.初步方位校正；S2.特征分割；S3.降采样；S4.线性配准；S5.非线性配准；S6.升采样；S7.线性及非线性校正。本发明克服了不同个体的三维脑图谱数据集、不同模态三维脑图谱数据集、不同成像质量三维脑图谱数据集等空间校准困难以及校准不准确的问题，采取了一种更加客观、准确、足量的特征提取的方式，实现了不同个体的三维脑图谱数据集、不同模态三维脑图谱数据集、不同成像质量三维脑图谱数据集等空间校准，具有一定的通用性。
-
公开(公告)号：CN108564607A
公开(公告)日：2018-09-21
申请号：CN201810307539.X
申请日：2018-04-08
Applicant: 华中科技大学苏州脑空间信息研究院
IPC: G06T7/33
Abstract: 本发明提供一种三维脑图谱数据集空间校准方法及系统，所述三维脑图谱数据集空间校准方法包括以下步骤：S1.初步方位校正；S2.特征分割；S3.降采样；S4.线性配准；S5.非线性配准；S6.升采样；S7.线性及非线性校正。本发明克服了不同个体的三维脑图谱数据集、不同模态三维脑图谱数据集、不同成像质量三维脑图谱数据集等空间校准困难以及校准不准确的问题，采取了一种更加客观、准确、足量的特征提取的方式，实现了不同个体的三维脑图谱数据集、不同模态三维脑图谱数据集、不同成像质量三维脑图谱数据集等空间校准，具有一定的通用性。
-
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。
-
-
-
Search Results
4
records
(took 0.028 seconds)
