一种基于骨架拓扑结构的血管模拟重建方法

    公开(公告)号:CN107705289B

    公开(公告)日:2021-07-06

    申请号:CN201710791724.6

    申请日:2017-09-05

    Inventor: 赖均 李伟生 汪俊

    Abstract: 本发明涉及医学图像处理技术领域,特别涉及一种基于骨架拓扑结构的血管模拟重建方法,包括:利用终端节点和分支节点间的骨架点,通过拟合获取血管的骨架线;利用体素的大小,计算出各血管段的长度;并根据骨架线获取血管垂直截面,并获取有效面积,从而计算出等效半径;并根据所述血管段的长度和所述等效半径模拟血管;本发明利用了分割血管的图像空间和物理空间的关系,使之更好的构建骨架分支点之间和其它骨架点的关联关系,提高图像测量血管段长度和血管半径的有效性和精度;相对于传统的医学图像血管段测量方法,本发明更为自动化以及有更佳的测量结果。

    一种基于骨架拓扑结构的血管模拟重建方法

    公开(公告)号:CN107705289A

    公开(公告)日:2018-02-16

    申请号:CN201710791724.6

    申请日:2017-09-05

    Inventor: 赖均 李伟生 汪俊

    Abstract: 本发明涉及医学图像处理技术领域,特别涉及一种基于骨架拓扑结构的血管模拟重建方法,包括:利用终端节点和分支节点间的骨架点,通过拟合获取血管的骨架线;利用体素的大小,计算出各血管段的长度;并根据骨架线获取血管垂直截面,并获取有效面积,从而计算出等效半径;并根据所述血管段的长度和所述等效半径模拟血管;本发明利用了分割血管的图像空间和物理空间的关系,使之更好的构建骨架分支点之间和其它骨架点的关联关系,提高图像测量血管段长度和血管半径的有效性和精度;相对于传统的医学图像血管段测量方法,本发明更为自动化以及有更佳的测量结果。

    一种血管段终端节点与分支节点的获取方法

    公开(公告)号:CN107689043B

    公开(公告)日:2020-06-16

    申请号:CN201710749812.X

    申请日:2017-08-28

    Abstract: 本发明属于医学图像处理技术邻域,特别涉及一种血管段终端节点与分支节点的获取方法,所述方法包括:分析骨架点邻域关系,得到骨架关系集合;削减伪骨架分支;分析骨架分支点,根据这些骨架分支节点的连通关系,当分支节点存在相邻关系时,则形成分支聚集;通过分支节点和连接边重建骨架关系,重复上述步骤直到分支节点的连接邻域数大于3或者分支节点数不再减少;本发明更好的构建骨架分支节点之间和其它骨架点的关联关系,为测量血管段长度和血管半径提供基础。

    一种基于云模型和图割相结合的医学图像分割方法

    公开(公告)号:CN105389821A

    公开(公告)日:2016-03-09

    申请号:CN201510808682.3

    申请日:2015-11-20

    CPC classification number: G06T2207/20116

    Abstract: 本发明请求保护一种基于云模型和图割相结合的医学图像分割方法。该方法首先对图像进行平滑处理,去除噪点;接着利用逆向云变换分别计算出图像前景和背景的云特征值,利用X条件云发生器计算出每个像素对于前景和背景的隶属度;并计算出数据项和光滑项;然后建立能量函数构造相应网络图并用最大流/最小割算法实现医学图像分割;最后判定分割结果是否满足迭代条件,若满足则输出结果,反之,则重新计算当前分割结果前景和背景的云特征值。本发明通过云模型与图割算法的结合,不但保留了图割方法优良的多特征约束融合能力和全局最优性,还引入云模型的模糊性和随机性,以及二者之间关联的不确定性,可以有效地提高医学图像分割的精度。

    一种基于IHNIO算法的边缘计算任务卸载方法

    公开(公告)号:CN118689632A

    公开(公告)日:2024-09-24

    申请号:CN202410687428.1

    申请日:2024-05-30

    Abstract: 本项发明涉及移动边缘计算技术领域,具体涉及一种采用改进的混合自然启发优化算法(Improved Hybrid Nature‑Inspired Optimization Algorithm,IHNIO)来进行边缘计算任务卸载的新方法。此方法建立了依靠无人机支持的多用户移动设备(UE)的MEC卸载结构;该结构下,集成了数据压缩技术到无人机辅助的边缘计算卸载系统中,并且制定了通信、时延和能源消耗的模型来评估移动设备卸载任务所需的成本;本发明利用改进的自然启发式混合算法对卸载过程和资源分配进行优化处理,降低用户设备卸载任务的总成本;该算法利用全局搜索能力和鲁棒性,在优化边缘卸载策略时,有效规避过早收敛导致的全局最优解遗漏问题;本发明提出的方法能显著减少移动边缘计算任务的平均时延和能耗,实现系统的最优化效能。

    一种基于云模型和图割相结合的医学图像分割方法

    公开(公告)号:CN105389821B

    公开(公告)日:2018-02-27

    申请号:CN201510808682.3

    申请日:2015-11-20

    Abstract: 本发明请求保护一种基于云模型和图割相结合的医学图像分割方法。该方法首先对图像进行平滑处理,去除噪点;接着利用逆向云变换分别计算出图像前景和背景的云特征值,利用X条件云发生器计算出每个像素对于前景和背景的隶属度;并计算出数据项和光滑项;然后建立能量函数构造相应网络图并用最大流/最小割算法实现医学图像分割;最后判定分割结果是否满足迭代条件,若满足则输出结果,反之,则重新计算当前分割结果前景和背景的云特征值。本发明通过云模型与图割算法的结合,不但保留了图割方法优良的多特征约束融合能力和全局最优性,还引入云模型的模糊性和随机性,以及二者之间关联的不确定性,可以有效地提高医学图像分割的精度。

Patent Agency Ranking