-
公开(公告)号：CN110570523B
公开(公告)日：2022-08-16
申请号：CN201910841806.6
申请日：2019-09-06
Applicant: 河海大学常州校区
Abstract: 本发明公开了一种基于高斯过程渐变模型的骨骼医学语义自动提取方法，采取团体匹配的方式，以构建出更平均的基于高斯过程渐变模型的单骨统计形状模板，并标注相应医学语义；接下来导入目标骨骼的医学CT图像并生成目标骨骼的三维网格模型；将模板与目标骨骼的三维网格模型进行拟合、映射，即可自动提取目标骨骼的医学语义。本发明采取基于高斯过程渐变模型的骨骼医学语义提取方法，高斯过程渐变模型变形能力较强，并能在统计形状样本较少的情况下，产生较好统计变形，且其变形可以超出统计样本的形状范围，可以较好得满足医学上提取医学语义的需求，有效提高了自动化程度与效率。
-
公开(公告)号：CN111402216A
公开(公告)日：2020-07-10
申请号：CN202010160086.X
申请日：2020-03-10
Applicant: 河海大学常州校区
Abstract: 本发明公开了基于深度学习的三维碎骨分割方法和装置，方法包括：基于获取的三维碎骨网格模型提取顶点坐标与顶点法向量，生成碎骨点云模型；将生成的碎骨点云模型输入至预先训练完成的PointNet++深度神经网络，将得到的顶点碎骨标签概率映射到对应的三维碎骨网格模型，进一步地利用图割法对三维碎骨网格模型进行分割优化获得最终碎骨分割结果。本发明采用几何深度学习中的PointNet++深度神经网络预测碎骨皮质骨与松质骨的分类标记，PointNet++通过分层方式处理度量空间中采样的点集，能提取局部特征捕获到的精细几何结构，较好实现碎骨皮质骨与松质骨分割；再根据三角面片间的平滑程度利用图割法改善分割结果，提高了碎骨分割效率与自动化程度。
-
公开(公告)号：CN111402216B
公开(公告)日：2022-09-23
申请号：CN202010160086.X
申请日：2020-03-10
Applicant: 河海大学常州校区
Abstract: 本发明公开了基于深度学习的三维碎骨分割方法和装置，方法包括：基于获取的三维碎骨网格模型提取顶点坐标与顶点法向量，生成碎骨点云模型；将生成的碎骨点云模型输入至预先训练完成的PointNet++深度神经网络，将得到的顶点碎骨标签概率映射到对应的三维碎骨网格模型，进一步地利用图割法对三维碎骨网格模型进行分割优化获得最终碎骨分割结果。本发明采用几何深度学习中的PointNet++深度神经网络预测碎骨皮质骨与松质骨的分类标记，PointNet++通过分层方式处理度量空间中采样的点集，能提取局部特征捕获到的精细几何结构，较好实现碎骨皮质骨与松质骨分割；再根据三角面片间的平滑程度利用图割法改善分割结果，提高了碎骨分割效率与自动化程度。
-
公开(公告)号：CN110570523A
公开(公告)日：2019-12-13
申请号：CN201910841806.6
申请日：2019-09-06
Applicant: 河海大学常州校区
Abstract: 本发明公开了一种基于高斯过程渐变模型的骨骼医学语义自动提取方法，采取团体匹配的方式，以构建出更平均的基于高斯过程渐变模型的单骨统计形状模板，并标注相应医学语义；接下来导入目标骨骼的医学CT图像并生成目标骨骼的三维网格模型；将模板与目标骨骼的三维网格模型进行拟合、映射，即可自动提取目标骨骼的医学语义。本发明采取基于高斯过程渐变模型的骨骼医学语义提取方法，高斯过程渐变模型变形能力较强，并能在统计形状样本较少的情况下，产生较好统计变形，且其变形可以超出统计样本的形状范围，可以较好得满足医学上提取医学语义的需求，有效提高了自动化程度与效率。
-
-
-
Search Results
4
records
(took 0.019 seconds)
