-
公开(公告)号：CN114359309B
公开(公告)日：2025-03-25
申请号：CN202210030217.1
申请日：2022-01-12
Applicant: 大连理工大学
Abstract: 本发明公开了一种基于标定点检测和形状灰度模型匹配的医学图像分割方法，属于医学影像分析技术领域。该方法首先基于大量的样本图像及其标注结果，构建同时具有形状与灰度信息的参数化图谱；基于卷积神经网络创建解剖学特征点检测模型，并利用样本图像及其标注结果对模型进行训练；利用形状灰度模型的匹配与神经网络的预测结果，实现图谱与目标图像之间的高精度配准以及器官映射。本发明利用了图像区域的变形场表征模型的形状变化、引入了对灰度信息的建模以及解剖特征点的引导，在保证分割精度的同时提升了算法的鲁棒性，使其能够适用于不同噪声条件与对比度的医学图像。
-
公开(公告)号：CN114359642B
公开(公告)日：2024-11-19
申请号：CN202210030228.X
申请日：2022-01-12
Applicant: 大连理工大学
IPC: G06V10/77 , G06V10/40 , G06V10/82 , G06T5/50 , G06T3/06 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于一对一目标查询Transformer的多模态医学图像多器官定位方法，属于医学图像处理技术领域。本发明利用条件高斯模型和Transformer的自注意力机制来模拟器官间位置和大小的相关性。一对一目标查询架构对每个目标器官强制执行一个唯一的目标查询，查询的顺序即为预测的类别，因此不需要进行分类，简化了网络结构，减少冗余计算，且具有更快的学习收敛速度。执行器官检测之前将3D的多模态图像投影到两个正交的2D平面上，再通过多模态融合方法结合来自多模态图像的互补信息，最后将得到的2D边界框反投影得到3D边界框，减少计算负担，获得更稳健的器官定位结果。
-
公开(公告)号：CN116612237A
公开(公告)日：2023-08-18
申请号：CN202310476333.0
申请日：2023-04-28
Applicant: 大连理工大学
IPC: G06T17/00 , G06T7/33 , G06N3/0464 , G06N3/08 , G06V40/16
Abstract: 本发明属于数字医疗、图像处理技术、数字化建模领域，公开了一种基于深度学习和模型配准的面部照片引导头部解剖建模方法。该方法可以自动处理输入的面部照片，使用卷积神经网络从照片中检测关键的面部特征点，然后执行2D/3D配准来变形有完整头部解剖结构的统计形状模型，以匹配双视图照片。本方法预测了头部内部解剖结构，包括骨骼、肌肉、血管、神经纤维、脂肪、腺体和大脑结构。本方法可通过患者面部照片自动重建出带有重要解剖结构的完整头部模型，实现了在整形外科术前规划中对患者头部三维解剖结构的可视化展示，为医生提供更多参考信息，提高术前规划精度，进而提升手术质量。
-
公开(公告)号：CN114359309A
公开(公告)日：2022-04-15
申请号：CN202210030217.1
申请日：2022-01-12
Applicant: 大连理工大学
Abstract: 本发明公开了一种基于标定点检测和形状灰度模型匹配的医学图像分割方法，属于医学影像分析技术领域。该方法首先基于大量的样本图像及其标注结果，构建同时具有形状与灰度信息的参数化图谱；基于卷积神经网络创建解剖学特征点检测模型，并利用样本图像及其标注结果对模型进行训练；利用形状灰度模型的匹配与神经网络的预测结果，实现图谱与目标图像之间的高精度配准以及器官映射。本发明利用了图像区域的变形场表征模型的形状变化、引入了对灰度信息的建模以及解剖特征点的引导，在保证分割精度的同时提升了算法的鲁棒性，使其能够适用于不同噪声条件与对比度的医学图像。
-
公开(公告)号：CN114155286A
公开(公告)日：2022-03-08
申请号：CN202111317598.3
申请日：2021-11-09
Applicant: 大连理工大学
IPC: G06T7/33 , G06T7/73 , G06T7/90 , G06F16/532
Abstract: 本发明属于数字医疗、图像处理技术领域，提出了一种骨骼CT图像的解剖形态和材料力学特性模板库的个性化配准方法。该方法以大量健康人的骨骼CT图像构建能包含骨骼解剖形态与材料力学特性的统计模型，通过统计模型与骨骼CT图像之间个性化的配准方法实现对患者骨骼的参数化描述，使用患者图像与配准参数构建假体模板库，模板库通过个性化配准方法匹配患者CT图像，检索模板库中与患者骨骼情况相近的模板图像与假体模型，作为个性化假体植入物设计的初始参考模板。通过本发明提出的模板库个性化配准方法，将为个性化骨骼植入物的设计、骨骼的材料力学特性分析、骨骼假体库的构建等实际临床应用场景提供更多的科学保障。
-
Patent Agency Ranking
公开(公告)号：CN116502425A
公开(公告)日：2023-07-28
申请号：CN202310419703.7
申请日：2023-04-19
Applicant: 大连理工大学
IPC: G06F30/20 , G06F119/14 , G06F111/16
Abstract: 本发明属于数字医疗、图像处理技术、数字化建模技术领域，公开了一种基于模板匹配与力学性能仿真优化的定制化牙冠设计方法。具体包括数据预处理、构建统计形状模型、构建条件形状模型、模板匹配、颈缘线密合、牙冠内部镂空设计六个步骤，利用待设计牙位现有的相邻牙齿作为形状参考，解决了牙冠设计缺失的问题。本发明基于口腔扫描的牙齿模板库，采用条件形状模型学习目标牙冠与周围牙齿的形状相关性，从而使牙冠与周围牙齿达到最优形状吻合，并进一步通过颈缘线缝合使牙冠与患者基牙吻合。本发明还对牙冠修复体内部结构进行了镂空设计，以力学仿真为手段来优化镂空的孔隙率和支撑结构的分布方向，避免牙冠因局部受力过于集中而缩短使用寿命。
-
公开(公告)号：CN115908297A
公开(公告)日：2023-04-04
申请号：CN202211408809.9
申请日：2022-11-11
Applicant: 大连理工大学
IPC: G06T7/00 , G06T7/11 , G06T5/30 , G06T7/187 , G06T7/60 , G06N3/0455 , G06N3/0895
Abstract: 本发明提出了一种基于拓扑知识的医学影像中血管分割建模方法，首先基于U‑Net神经网络创建分割动静脉血管模型，并利用样本图像及其标注结果对模型进行训练，在训练时，利用部分监督方法，在数据集中加入部分标签的数据；利用图割算法作为后处理，对神经网络的预测结果进行优化，提高血管分割结果的准确率；利用Grow Cuts、层序遍历等算法构建血管的拓扑结构，其中包括对血管进行分段处理，获取血管半径，提取动静脉子树结构。本发明利用了数据集中完整标签与不完整标签的数据混合训练、引入了图割等优化算法，在保证分割精度的同时提升了算法的鲁棒性，且实现了血管拓扑结构的构建，形成了一套从医学影像中提取血管和构建血管拓扑结构的完整算法流程。
-
公开(公告)号：CN114155286B
公开(公告)日：2022-05-10
申请号：CN202111317598.3
申请日：2021-11-09
Applicant: 大连理工大学
IPC: G06T7/33 , G06T7/73 , G06T7/90 , G06F16/532
Abstract: 本发明属于数字医疗、图像处理技术领域，提出了一种骨骼CT图像的解剖形态和材料力学特性模板库的个性化配准方法。该方法以大量健康人的骨骼CT图像构建能包含骨骼解剖形态与材料力学特性的统计模型，通过统计模型与骨骼CT图像之间个性化的配准方法实现对患者骨骼的参数化描述，使用患者图像与配准参数构建假体模板库，模板库通过个性化配准方法匹配患者CT图像，检索模板库中与患者骨骼情况相近的模板图像与假体模型，作为个性化假体植入物设计的初始参考模板。通过本发明提出的模板库个性化配准方法，将为个性化骨骼植入物的设计、骨骼的材料力学特性分析、骨骼假体库的构建等实际临床应用场景提供更多的科学保障。
-
公开(公告)号：CN106956437A
公开(公告)日：2017-07-18
申请号：CN201710234123.5
申请日：2017-04-12
Applicant: 大连理工大学
IPC: B29C64/379 , B33Y40/00
CPC classification number: B33Y40/00
Abstract: 本发明提供了一种用于提高3D打印透明材料表面透光性的方法，属于3D打印物体透明化应用技术领域，在常温下，环氧树脂水晶滴胶和固化剂水晶滴胶按照体积比为2.5～3.5:1混合，搅拌至无色透明粘稠混合液；将步骤(1)得到的混合液均匀涂抹于3D打印物体表面，涂层厚度为1mm～3mm；其中，所述的3D打印物体由透明材质制成；固化：将步骤(2)涂抹的3D打印物体置于60～70℃温度条件下，固化16～24min，使混合液固化在3D打印物体表面。本发明的可固化材料进行高温加热，从而提高凝结速率，提高生产加工效率。本发明的工艺步骤简单、处理速度快、原材料成本低廉，适用于推广。
-
公开(公告)号：CN115252233B
公开(公告)日：2024-04-26
申请号：CN202210897037.3
申请日：2022-07-28
Applicant: 大连理工大学
IPC: A61F2/34 , G06T5/90 , G06T7/00 , G06T7/11 , G06V10/762 , G06V10/774
Abstract: 本发明属于数字医疗、图像处理技术领域，公开了一种基于深度学习的全髋关节置换术中髋臼杯的自动化规划方法。该方法可自动处理患有髋关节疾病患者的CT影像数据，通过多任务级联深度学习网络实现对输入CT影像的盆骨分割及大规模的解剖标志点标注，并采用第二阶段网络精细分割髋臼局部影像，后续使用网络分割结果与标志点位置自动计算出髋臼的相关参数，匹配合适的髋臼假体，模拟假体正确的放置位置。通过本方法可通过患者CT影像自动计算并给出手术中所需要的假体参数，实现了在术前计划中对髋臼假体的尺寸计算、位置定位，以及髋关节三维解剖结构的可视化展示，为医生提供更多参考信息，提高术前规划的精度，进而提升手术质量。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.026 seconds)
