-
公开(公告)号：CN112168349A
公开(公告)日：2021-01-05
申请号：CN202010892985.9
申请日：2020-08-31
Applicant: 同济大学
Abstract: 本发明涉及一种静脉穿刺机器人的针头跟踪与路径显示方法，包括以下步骤：标定机器人和4D超声探头的相对位置，根据机器人的运动先验缩小体素空间，利用3D直线滤波器，强化穿刺针和背景区域的体素亮度对比；应用随机采样一致性算法确定穿刺针的初始轴线方向；在穿刺针的初始轴线方向上标记为针尖位置；构造一个穿刺针跟踪候选区；在穿刺针跟踪候选区内，实时更新穿刺针的轴线方向以及针尖位置；确定的平面获得二维超声截面；通过针尖位置和静脉径向截面的相对位置，确定两个正交的、显示穿刺针和静脉轴向情况的轴向截面。与现有技术相比，本发明能够实时清晰地追踪和显示穿刺针整段长度在静脉被穿刺的局部轴向截面中的进针情况。
-
公开(公告)号：CN112163452A
公开(公告)日：2021-01-01
申请号：CN202010862866.9
申请日：2020-08-25
Applicant: 同济大学
Abstract: 本发明涉及一种基于深度学习的双目近红外肢体静脉图像的三维重建方法，包括：1：将静脉部分从原图中分割出；2：生成肢体的高精度全局稠密视差图集；3：把步骤2中获得的高精度全局稠密视差图中的静脉部分像素视差值分割出来，生成静脉稠密视差图数据集；4：利用对应的肢体静脉分割数据集和静脉稠密视差图数据集，对深度神经网络模型进行训练；5：将双目近红外肢体图像输入到深度神经网络模型中，生成与该组双目图像对应的静脉稠密视差图；6：生成肢体静脉的三维模型。与现有技术相比，本发明能够从双目近红外图像中实时地生成静脉稠密视差图，从而可以实时获取肢体静脉的三维模型和位姿信息，可供静脉穿刺机器人实时地调整规划运动轨迹。
-
公开(公告)号：CN109919957A
公开(公告)日：2019-06-21
申请号：CN201910017402.5
申请日：2019-01-08
Applicant: 同济大学
Abstract: 本发明涉及一种基于动态视觉传感器的角点检测方法，包括以下步骤：1)针对动态视觉传感器数据中每一个新传入的事件，以其为圆心，构建角点检测模板；2)根据圆心处事件的极性与时间戳，统计模板内相应事件的个数；3)根据所统计相应事件的个数，判定圆心处是否为初始角点；4)对所确定的初始角点进行非极大值抑制，获得最终角点。与现有技术相比，本发明具有快速准确等优点。
-
Patent Agency Ranking
公开(公告)号：CN112396565A
公开(公告)日：2021-02-23
申请号：CN202011299804.8
申请日：2020-11-19
Applicant: 同济大学
Abstract: 本发明涉及一种静脉穿刺机器人的图像及视频血管增强与分割方法和系统，方法包括获取血管原始图像或血管原始视频作为原始数据进行灰度化处理；对灰度化后的原始数据进行高斯滤波和Frangi滤波以增强血管部分；对滤波后的原始数据进行先膨胀再腐蚀的卷积计算处理；判断原始数据为图像或视频，若为图像，则利用全卷积神经网络对图像进行分割和分类；若为视频，则利用具有时间记忆功能的循环神经网络对视频进行分割和分类。与现有技术相比，本发明增强了血管结构，显著减少了血管边缘噪点，血管与非血管过渡平滑，同时，排除了汗毛对血管分割结果的干扰，从而有效提高静脉穿刺机器人的血管识别质量和精度。
-
公开(公告)号：CN109919957B
公开(公告)日：2020-11-27
申请号：CN201910017402.5
申请日：2019-01-08
Applicant: 同济大学
Abstract: 本发明涉及一种基于动态视觉传感器的角点检测方法，包括以下步骤：1)针对动态视觉传感器数据中每一个新传入的事件，以其为圆心，构建角点检测模板；2)根据圆心处事件的极性与时间戳，统计模板内相应事件的个数；3)根据所统计相应事件的个数，判定圆心处是否为初始角点；4)对所确定的初始角点进行非极大值抑制，获得最终角点。与现有技术相比，本发明具有快速准确等优点。
-
公开(公告)号：CN112163452B
公开(公告)日：2022-11-18
申请号：CN202010862866.9
申请日：2020-08-25
Applicant: 同济大学
Abstract: 本发明涉及一种基于深度学习的双目近红外肢体静脉图像的三维重建方法，包括：1：将静脉部分从原图中分割出；2：生成肢体的高精度全局稠密视差图集；3：把步骤2中获得的高精度全局稠密视差图中的静脉部分像素视差值分割出来，生成静脉稠密视差图数据集；4：利用对应的肢体静脉分割数据集和静脉稠密视差图数据集，对深度神经网络模型进行训练；5：将双目近红外肢体图像输入到深度神经网络模型中，生成与该组双目图像对应的静脉稠密视差图；6：生成肢体静脉的三维模型。与现有技术相比，本发明能够从双目近红外图像中实时地生成静脉稠密视差图，从而可以实时获取肢体静脉的三维模型和位姿信息，可供静脉穿刺机器人实时地调整规划运动轨迹。
-
-
-
-
-
-
Search Results
8
records
(took 0.013 seconds)
