一种基于多视点无序X光片的胸腔骨骼三维构建方法及系统

    公开(公告)号:CN114298986B

    公开(公告)日:2025-01-17

    申请号:CN202111549864.5

    申请日:2021-12-17

    Abstract: 本发明公开了一种基于多视点无序X光片的胸腔骨骼三维构建方法,包括:S1通过利用X射线设备对胸腔进行扫描拍摄,获得初始图像组,所述初始图像组包括多个角度下扫描生成的X光片图像;S2初始图像组进行预处理,同时基于X射线设备的构建相机模型,确定相机内外参数;S3对X光片图像进行特征提取,并进行特征点匹配;S4利用运动恢复结构算法进行稀疏点云模型的构建;S5提取稀疏点云模型中的几何信息,构建获得稠密点云模型;S6通过后期处理,获得具有颜色、纹理和结构特点的胸腔骨骼三维模型。本发明还提供基于该构建方法的系统。该方法操作简单,只需提供一组病人的X光片图像,从而获得表面纹理清晰的胸腔骨骼三维模型。

    一种基于患者4D-CT的肺部呼吸过程图像重构方法及装置

    公开(公告)号:CN114820855B

    公开(公告)日:2025-04-25

    申请号:CN202210463057.X

    申请日:2022-04-28

    Abstract: 本发明公开了一种基于患者4D‑CT的肺部呼吸过程图像重构方法,包括:1、获取术前肺部的4D‑CT数据集;2、基于术中肺部已拍摄的X光图像,计算每张X光图像中横膈肌区域的图像特征量,并以图像特征量的变化范围进行周期划分,获得表征呼吸曲线;3、基于表征呼吸曲线与术中当前X光图像的图像特征量,获得当前X光图像对应的当前呼吸周期相位;4、根据当前呼吸周期相位,4D‑CT数据集中匹配获得对应的CT数据与位姿信息;5、基于CT数据与位姿信息,构建模拟X影像。本发明还公开了一种基于上述方法的肺部呼吸过程图像重构装置。本发明提供的方法通过重构获得高质量模拟X影像,能提高医生穿刺手术的成功率以及也能保证术中患者的安全。

    一种基于多视点无序X光片的胸腔骨骼三维构建方法及系统

    公开(公告)号:CN114298986A

    公开(公告)日:2022-04-08

    申请号:CN202111549864.5

    申请日:2021-12-17

    Abstract: 本发明公开了一种基于多视点无序X光片的胸腔骨骼三维构建方法,包括:S1通过利用X射线设备对胸腔进行扫描拍摄,获得初始图像组,所述初始图像组包括多个角度下扫描生成的X光片图像;S2初始图像组进行预处理,同时基于X射线设备的构建相机模型,确定相机内外参数;S3对X光片图像进行特征提取,并进行特征点匹配;S4利用运动恢复结构算法进行稀疏点云模型的构建;S5提取稀疏点云模型中的几何信息,构建获得稠密点云模型;S6通过后期处理,获得具有颜色、纹理和结构特点的胸腔骨骼三维模型。本发明还提供基于该构建方法的系统。该方法操作简单,只需提供一组病人的X光片图像,从而获得表面纹理清晰的胸腔骨骼三维模型。

    一种基于患者4D-CT的肺部呼吸过程图像重构方法及装置

    公开(公告)号:CN114820855A

    公开(公告)日:2022-07-29

    申请号:CN202210463057.X

    申请日:2022-04-28

    Abstract: 本发明公开了一种基于患者4D‑CT的肺部呼吸过程图像重构方法,包括:1、获取术前肺部的4D‑CT数据集;2、基于术中肺部已拍摄的X光图像,计算每张X光图像中横膈肌区域的图像特征量,并以图像特征量的变化范围进行周期划分,获得表征呼吸曲线;3、基于表征呼吸曲线与术中当前X光图像的图像特征量,获得当前X光图像对应的当前呼吸周期相位;4、根据当前呼吸周期相位,4D‑CT数据集中匹配获得对应的CT数据与位姿信息;5、基于CT数据与位姿信息,构建模拟X影像。本发明还公开了一种基于上述方法的肺部呼吸过程图像重构装置。本发明提供的方法通过重构获得高质量模拟X影像,能提高医生穿刺手术的成功率以及也能保证术中患者的安全。

    一种基于小样本识别的血管重建方法

    公开(公告)号:CN114359317A

    公开(公告)日:2022-04-15

    申请号:CN202111550766.3

    申请日:2021-12-17

    Abstract: 本发明公开了一种基于小样本识别的血管重建方法,包括:S1获取获训练样本血管树的CT数据,所述CT数据包括带有血管横截面图像的CT切片与对应的CT值;S2操作员在设备上对部分CT切片中的血管进行标注,获得一组精标注数据;S3基于S2中获得的精标注数据,通过神经网络训练,获得初代识别模型;S4对初代识别模型进行迭代数据扩充训练,最终获得能识别CT切片中的血管并输出结果的识别模型;S5基于S4中获得的识别模型,对待重建血管树的CT数据进行识别,获得血管的空间信息;S6根据S5中获得的空间信息将血管连接,通过后期处理,获得最终的血管树三维模型。该方法在保证识别准确率的同时降低人工标注耗时,提高了识别效率。

Patent Agency Ranking