-
公开(公告)号：CN118470253A
公开(公告)日：2024-08-09
申请号：CN202410939983.9
申请日：2024-07-15
Applicant: 湖南大学
Abstract: 本申请涉及一种用于医学图像的表面网格重建方法，该方法包括：S1：构建医学图像重建模型，所述医学图像重建模型包括CNN特征提取部分、特征增强与映射部分、GNN形变部分；S2：将获取的3D体素医学图像经过所述CNN特征提取部分，提取目标组织的特征图；S3：通过所述特征增强与映射部分对所述目标组织的特征图进行增强；S4：基于增强的特征图，并通过所述GNN形变部分对模板网格进行变形，得到预测网格。该方法通过构建医学图像重建模型，提取3D体素医学图像的特征用以对模板网格进行变形，最终得到预测网格，有效提高了医学图像表面网格重建的准确性。
-
Patent Agency Ranking
公开(公告)号：CN116229065B
公开(公告)日：2023-12-01
申请号：CN202310109939.0
申请日：2023-02-14
Applicant: 湖南大学
IPC: G06V10/26 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/047
Abstract: 本发明公开了一种基于多分支融合的机器人手术器械分割方法，其方法包括：获取腔镜影像数据，构建分支聚合注意力网络模型，分支聚合注意力网络模型包括编码器、分支均衡聚合模块以及分块注意力融合模块；根据腔镜影像数据通过编码器生成特征图，特征图包括多个，将每个特征图作为一个分支；根据各分支的特征图通过分支均衡聚合模块得到低阶特征图；将第一分支的特征图与第二分支的低阶特征图经过一分块注意力融合模块进行处理后融合，得到融合特征图；将融合特征图与下一分支的低阶特征图进行融合；以此循环，直至遍历完所有分支；将最后得到的融合特征图作为手术器械分割结果。本发(56)对比文件Y. Chen等.Semantic SegmentationNetwork of Noisy Plant Point Cloud basedon Self-Attention Feature Fusion《.202210th International Conference onInformation Systems and ComputingTechnology (ISCTech)》.论文第379-385页.
-
公开(公告)号：CN118470253B
公开(公告)日：2024-09-13
申请号：CN202410939983.9
申请日：2024-07-15
Applicant: 湖南大学
Abstract: 本申请涉及一种用于医学图像的表面网格重建方法，该方法包括：S1：构建医学图像重建模型，所述医学图像重建模型包括CNN特征提取部分、特征增强与映射部分、GNN形变部分；S2：将获取的3D体素医学图像经过所述CNN特征提取部分，提取目标组织的特征图；S3：通过所述特征增强与映射部分对所述目标组织的特征图进行增强；S4：基于增强的特征图，并通过所述GNN形变部分对模板网格进行变形，得到预测网格。该方法通过构建医学图像重建模型，提取3D体素医学图像的特征用以对模板网格进行变形，最终得到预测网格，有效提高了医学图像表面网格重建的准确性。
-
公开(公告)号：CN116229065A
公开(公告)日：2023-06-06
申请号：CN202310109939.0
申请日：2023-02-14
Applicant: 湖南大学
IPC: G06V10/26 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/047
Abstract: 本发明公开了一种基于多分支融合的机器人手术器械分割方法，其方法包括：获取腔镜影像数据，构建分支聚合注意力网络模型，分支聚合注意力网络模型包括编码器、分支均衡聚合模块以及分块注意力融合模块；根据腔镜影像数据通过编码器生成特征图，特征图包括多个，将每个特征图作为一个分支；根据各分支的特征图通过分支均衡聚合模块得到低阶特征图；将第一分支的特征图与第二分支的低阶特征图经过一分块注意力融合模块进行处理后融合，得到融合特征图；将融合特征图与下一分支的低阶特征图进行融合；以此循环，直至遍历完所有分支；将最后得到的融合特征图作为手术器械分割结果。本发明能够提高手术器械分割的精度。
-
公开(公告)号：CN118470254B
公开(公告)日：2024-10-18
申请号：CN202410940189.6
申请日：2024-07-15
Applicant: 湖南大学
IPC: G06T17/20 , G06N3/042 , G06N3/0464 , G06N3/08 , G06T19/20 , G06T3/18 , G06T3/4038 , G06V10/40 , G06V10/82
Abstract: 本申请涉及一种基于自适应模板的三维网格重建方法，该方法包括：构建三维网格重建模型；获取目标医学图像，通过特征提取模块对目标医学图像进行特征提取，得到多个不同尺度的特征图谱；GCN网格解码模块基于最小尺度的特征图谱构建自适应差分模板网格；构造平均模板网格，基于自适应差分模板网格和平均模板网格得到自适应模板网格；体素‑点云映射模块将各所述特征图谱上的体素特征分别转化为对应顶点的空间域特征；GCN网格形变模块基于所有的空间域特征对自适应模板网格进行变形，得到目标医学图像对应的三维表面网格。该方法解决了在复杂解剖结构的重建中因采用固定模板存在的局限性问题。
-
公开(公告)号：CN118470254A
公开(公告)日：2024-08-09
申请号：CN202410940189.6
申请日：2024-07-15
Applicant: 湖南大学
IPC: G06T17/20 , G06N3/042 , G06N3/0464 , G06N3/08 , G06T19/20 , G06T3/18 , G06T3/4038 , G06V10/40 , G06V10/82
Abstract: 本申请涉及一种基于自适应模板的三维网格重建方法，该方法包括：构建三维网格重建模型；获取目标医学图像，通过特征提取模块对目标医学图像进行特征提取，得到多个不同尺度的特征图谱；GCN网格解码模块基于最小尺度的特征图谱构建自适应差分模板网格；构造平均模板网格，基于自适应差分模板网格和平均模板网格得到自适应模板网格；体素‑点云映射模块将各所述特征图谱上的体素特征分别转化为对应顶点的空间域特征；GCN网格形变模块基于所有的空间域特征对自适应模板网格进行变形，得到目标医学图像对应的三维表面网格。该方法解决了在复杂解剖结构的重建中因采用固定模板存在的局限性问题。
-
-
-
-
-
Search Results
6
records
(took 0.021 seconds)
