-
公开(公告)号：CN115203885A
公开(公告)日：2022-10-18
申请号：CN202210520660.7
申请日：2022-05-12
Applicant: 大连理工大学
IPC: G06F30/20 , G06T17/30 , B33Y50/00 , B33Y80/00 , G06T7/13 , G06F111/16 , G06F113/10 , G06F113/22
Abstract: 本发明公开了一种面向个性化放疗补偿膜的模具自动生成方法、系统及存储介质，其中方法包括：获得包含患者体表的二值化图像以及包含患者体表曲面的三维模型；构建完全包含放射治疗中需照射的体表靶区的长方体，利用此长方体的边界切割三维模型得到仅有一层面片的体表曲面；将此体表曲面在坐标轴中的方位调整为适合于生成模具；求得曲面主法向量，旋转曲面至其主法向量为坐标轴正方向；根据新体表曲面特征自动生成能够浇筑出放疗补偿膜的一组上下模具，打印上下模具，通过硅胶注射孔向模具空腔中注入硅胶待凝固后得到补偿膜。本方法简单有效、过程全自动化，能够在临床上用于个性化放疗补偿膜的制作，且制作出的补偿膜个性化程度很高。
-
公开(公告)号：CN107256082B
公开(公告)日：2020-04-14
申请号：CN201710331039.5
申请日：2017-05-11
Applicant: 大连理工大学
Abstract: 本发明公开了一种基于网络一体化和双目视觉技术的投掷物弹道轨迹测算系统，包括:采用双目摄像头从其上面和侧面两个角度采集受训人员投掷过程中的图像信息的数据采集模块、PC端模块，所述PC端模块结合设置的气象环境信息计算出投掷数据、构建PC端虚拟的投掷场景和显示计算结果并将数据输出还包括移动端模块和服务器模块。该系统模拟真实投掷的训练和测试全过程，既实现了对战士手榴弹投掷训练的数据采集，也考虑了对场地和人力资源的消耗，同时还引入了无线VR装置以及“互联网+”的思维。
-
公开(公告)号：CN105869149B
公开(公告)日：2019-04-16
申请号：CN201610172561.9
申请日：2016-03-24
Applicant: 大连理工大学
Abstract: 本发明公开了一种基于主向量分析的断骨模型配准方法，包括以下步骤：S1：采用主向量分析算法进行断骨模型的轴线提取；S2：根据断骨三维网格模型上的三角面片法向量突变以及三角面片与断骨轴线夹角提取断骨截面的网格顶点点集；S3：结合断骨轴线对准以及断骨截面网格顶点点集主向量对准的方法对断骨三维网格模型进行空间粗配准；S4：利用迭代最近点算法对两个断骨截面的网格顶点点集进行多次迭代计算，实现断骨三维网格模型的空间精配准；S5：根据断骨三维网格模型配准得到的完整骨骼模型进行骨折钢板模型的拟合。本方法对断骨截面网格顶点点集的精确分割，在粗配准中实现了断面的大致吻合，提升了精配准的精度和成功率。
-
公开(公告)号：CN108986107A
公开(公告)日：2018-12-11
申请号：CN201810623008.1
申请日：2018-06-15
Applicant: 大连理工大学
Abstract: 本发明公开了一种基于光谱分析和骨架涂鸦的序列化可视人体切片图像自动分割方法，本方法采用了光谱提取算法分割单张图像的感兴趣区域，采用了骨架算法生成了对下一张图像的涂鸦，采用了循环处理的方式获取下一张图像的感兴趣区域，最后获取了全部可使人体切片的感兴趣区域。本方法还具有分割质量高精准的优点，本方法可以处理感兴趣区域中以大脑沟回为代表的呈毛细状部分，以腿部大动脉为代表的呈管状部分，以肝脏为代表的含有细小空腔部分。此外本方法还具有操作简单的好处，仅需要对感兴趣区域进行一次涂鸦，即可完成对全部可视化人体切片图像的分割，因而有更快的执行速度，更高的处理效率。
-
公开(公告)号：CN104504708A
公开(公告)日：2015-04-08
申请号：CN201410830718.3
申请日：2014-12-26
Applicant: 大连理工大学
IPC: G06T7/00
CPC classification number: G06T2207/30016 , G06T2207/30101
Abstract: 本发明公开了一种基于毗邻图像特征点集的DSA脑血管图像自动分割方法，包括1：导入若干对连续的DSA脑血管图像作为源图像数据；2：对每一对DSA脑血管图像均进行分区；3：对分区后的DSA脑血管设置图像阈值；4：基于sift算法提取特征点；5：对每一对提取特征点的DSA脑血管图像中的蒙片图像与活片图像均基于数字减影技术得到相应活片图像的特征点差值图像；6：提取所有所述特征点差值图像的图像特征点集，利用相邻图像关系对图像特征点集进行精确提取；7：对提取的图像特征点集进行区域生长，得到相应的脑血管图像。本发明采用图像分割技术，利用毗邻图像，将邻域间的像素信息进行综合，提高了特征点信息提取的准确性，有效减小了噪声。
-
Patent Agency Ranking
公开(公告)号：CN103093196B
公开(公告)日：2014-08-27
申请号：CN201310012582.0
申请日：2013-01-14
Applicant: 大连理工大学
CPC classification number: G06F3/017 , G06K9/00355 , G06K9/6253 , G06K2209/01
Abstract: 本发明属于计算机视觉和模式识别领域，涉及一种基于手势的汉字交互输入与识别方法。本发明能够让用户在不佩戴任何的硬件设备情况下，通过一个普通网络摄像头，用手作为媒介按照正规书写汉字和词组的规则与顺序来完成汉字的输入、识别与选择等功能。该发明突破了以往键盘输入、接触屏输入、语音输入汉字的局限，对使用者的限制较小，识别准确率较高，作为一种全新的输入方式，在人机界面、数字家庭、游戏与娱乐等领域有着很好的应用前景。
-
公开(公告)号：CN119081012A
公开(公告)日：2024-12-06
申请号：CN202310655407.7
申请日：2023-06-05
Applicant: 中国石油化工股份有限公司 , 中国石油化工科技开发有限公司 , 大连理工大学
IPC: C08F255/02 , C08F222/20 , C08F8/48
Abstract: 本发明涉及聚乙烯树脂领域，公开了一种交联聚乙烯树脂组合物、交联聚乙烯树脂及其应用。本发明的交联聚乙烯树脂组合物包括：聚乙烯树脂、接枝组分、自由基引发剂和交联组分。使用本发明的交联聚乙烯树脂组合物得到的交联聚乙烯树脂，其强度、模量等性能高、凝胶含量低，且具有热塑性，加工性优异，即使在多次加工之后也不会造成性能的下降。
-
公开(公告)号：CN113192212B
公开(公告)日：2024-12-06
申请号：CN202110507280.5
申请日：2021-05-10
Applicant: 大连理工大学
IPC: G06T19/20
Abstract: 本发明提供的一种基于断裂面形状特征的三维碎片拼接重组方法，包括以下步骤：根据碎片边缘的特征组合提取碎片断裂面的三维轮廓；根据碎片断裂面三维轮廓的多尺度形状特征进行断裂面匹配，得到碎片间的两两匹配结果，筛选未匹配碎片，获取未匹配碎片碎片边缘的四种不同组合特征，对未完成匹配的碎片进行异常处理：优化匹配矩阵从而获得重组碎片。本方法根据碎片的断裂面轮廓进行特征匹配，可以直接将三维碎片进行重组、不需要对碎片数据进行预先处理，不仅对单一器物(盘子)适用，并且可以对多器物混合碎片(盘子、碗等)进行拼接重组，实现了重组准确度高且运行时间短的技术效果。
-
公开(公告)号：CN114882051B
公开(公告)日：2024-07-16
申请号：CN202210441908.0
申请日：2022-04-25
Applicant: 大连理工大学
IPC: G06T7/11 , G06T7/136 , G06T7/13 , G06T17/00 , G06T7/00 , G06T7/73 , G06T7/33 , G06V10/762 , G06V10/26 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于多模态影像的盆腔骨肿瘤的自动分割与三维重建方法，该方法通过U‑Net网络模型实现了对患者骨盆CT图像中的髂骨、骶骨、股骨的自动分割，其优点在于使得骨组织的分割误差大大减少；其次采用互信息的方法对MR图像和CT图像进行配准，使得我们可以综合利用两者的信息，简化了分割任务；随后采用改进的K‑Means方法MR图像进行聚类得到肿瘤的候选区域，此方法的优点在于对于灰度特征不同的MR图像均可准确的分割出肿瘤区域，具有一定的鲁棒性；利用骨区域和连续性检测对肿瘤候选区域图像进行筛选，此步骤利用医学先验知识，有效的解决了肿瘤区域和与之特征相似的非肿瘤区域无法区分的问题；另外此方法对肿瘤序列进行了填充，使得进行三维重建时肿瘤更加平滑，更加接近真实的肿瘤形态。
-
公开(公告)号：CN111539972B
公开(公告)日：2023-04-18
申请号：CN202010335271.8
申请日：2020-04-24
Applicant: 大连理工大学
Abstract: 本发明公开了一种超声图像中小脑蚓部分割方法，包括以下步骤：S1:获取小脑蚓部CT图像并将其转换为灰度图；S2:读取所述灰度图的边缘坐标，以灰度图的中心点为圆心，求出以该圆心0‑360°内每个角度上到图像边缘点形成的线段上的所有像素点坐标及其在图像上对应的像素值；S3:以圆心向外每个角度形成的射线上寻找此射线上的初始分割点，S4:采用误差点判断的方式对粗调整分割点进行误差判断：查找单峰误差点，对单峰误差点周围的分割点进行误差判断，S5:对待精确调整数组中的所有点进行调整得到精准分割点；S6:将调整后的精准分割点顺次连接构成小脑蚓部边缘图像。
-
-
-
-
-
-
-
-
-
Search Results
102
records
(took 0.033 seconds)
