-
公开(公告)号:CN101295409B
公开(公告)日:2010-04-14
申请号:CN200810038551.1
申请日:2008-06-05
Applicant: 上海交通大学
Abstract: 一个虚拟手术系统中的实时模拟软组织物体形变系统,属于图形处理技术领域。本发明中:边界元模块首先为形变物体建立物理模型,划分物体表面网格单元,对边界积分方程进行离散化并求解出每个网格单元的形变向量。形状匹配模块根据划分好的网格单元,对每一个网格单元的形变位置和初始位置建立一一映射关系,根据网格单元的位置和物体材料属性建立运动学方程,计算物体的形变回复形状。有限状态机在软组织物体形变过程中,对物体的受力状态进行分析,并通过基本状态之间的切换来控制当前使用的形变运算模块。本发明实现了在交互式系统中实时并且精确对软组织形变进行模拟,特别是虚拟手术系统中手术器械与软组织交互变得更精确,更快速。
-
公开(公告)号:CN100481129C
公开(公告)日:2009-04-22
申请号:CN200610147640.0
申请日:2006-12-21
Applicant: 上海交通大学
Abstract: 一种虚拟手术系统中的形变中物体实时冲突检测方法,属于图形处理技术领域。本发明采用空间层次哈希表的方式,通过映射模块和碰撞检测模块来实现:所述的映射模块将物体映射到空间哈希表,即:假设物体由m个四面体组成,m为正整数,对每个四面体,将之映射到相应的空间哈希表项中,在映射过程中,采用动态调整空间网格大小的形式;所述的碰撞检测模块检测碰撞,即:对物体中的每一由上面模块映射到哈希表中的四面体顶点,检测其是否与其他同在哈希表项中的四面体相交,并判断是否需要做碰撞响应的处理。本发明实现高精度,实时和适用范围广泛的三维形变中物体冲突检测功能。对庞大数据集,特别是虚拟手术系统中手术器械与软组织交互变得更有效,更快速。
-
公开(公告)号:CN101295409A
公开(公告)日:2008-10-29
申请号:CN200810038551.1
申请日:2008-06-05
Applicant: 上海交通大学
Abstract: 一个虚拟手术系统中的实时模拟软组织物体形变系统,属于图形处理技术领域。本发明中:边界元模块首先为形变物体建立物理模型,划分物体表面网格单元,对边界积分方程进行离散化并求解出每个网格单元的形变向量。形状匹配模块根据划分好的网格单元,对每一个网格单元的形变位置和初始位置建立一一映射关系,根据网格单元的位置和物体材料属性建立运动学方程,计算物体的形变回复形状。有限状态机在软组织物体形变过程中,对物体的受力状态进行分析,并通过基本状态之间的切换来控制当前使用的形变运算模块。本发明实现了在交互式系统中实时并且精确对软组织形变进行模拟,特别是虚拟手术系统中手术器械与软组织交互变得更精确,更快速。
-
公开(公告)号:CN1216336C
公开(公告)日:2005-08-24
申请号:CN03116690.3
申请日:2003-04-29
Applicant: 上海交通大学
Inventor: 顾力栩
IPC: G06F17/00
Abstract: 一种外科手术导航系统中标示点自动识别和定位方法属于医学图像处理及应用领域。本发明首先通过内切圆锥型标示点设计使定位指针与表示点的接触唯一;再采用三维自动分割算法,即高帽算法和形态领域恢复法的组合实现标示点的自动识别,依据即知条件的标示点过滤法得到准确的识别结果;最后三维自动定位算法,即采用基于灰度值加权的领域重心定位法,得到准确的定位。本发明克服了既有方法二维操作的准确性差,成功率低的问题,采用完全的三维运算使定位更精准,成功率更高。该方法不再以标示点的形状作为抽取的条件,使可以使用的标示点的种类不再受到局限,从而大大扩展了使用范围和实用性。
-
公开(公告)号:CN1445725A
公开(公告)日:2003-10-01
申请号:CN03116689.X
申请日:2003-04-29
Applicant: 上海交通大学
Inventor: 顾力栩
Abstract: 一种脑外科手术导航系统中解剖图谱的三维可视化应用方法属于医学图像处理及应用技术领域。本发明分前期工作和后期执行方法两部分:在前期工作中,采用先进的非线性插值方法,对两组脑解剖图谱(SW,TT)进行细致的数字化三维重建工作;采用三维非线性配准方法,将两组图谱率先统一到同一坐标系下;在执行方法中,进行输入图像的格式化处理;采用可变比例网格方法和分段式局域线性配准算法的配合实现图谱与病人图像的实时配准;通过交互式微调实现解剖图谱精准配准和可视化。本发明更直观,更准确,更易操作,实现TT和SW两套图谱的完全三维重建后的完整统一,为医生的术前诊断和术中导航提供了极大的便利,为手术导航系统增添了一项重要的功能。
-
公开(公告)号:CN111128373B
公开(公告)日:2023-06-27
申请号:CN201911266873.6
申请日:2019-12-11
Applicant: 上海交通大学
IPC: G16H50/20 , G06T7/00 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种通过协同主动学习模型的乳腺癌数据标注方法,涉及医学影像数据标注领域,采用了深度学习网络、主动学习系统和协同学习系统相结合,对所述乳腺癌数据进行标注。本发明提出的方法同时将深度学习,主动学习与协同学习这三种原本完全不相干的机器学习分支结合到一起,并将其用于医学图像分类任务:乳腺图像计算机辅助诊断。具有不需要增加额外标注成本的前提下,能够充分利用全部样本,因此特别适合被用于“获取成本高”的医学图像分类任务,并且能获得比主动学习方法更好的模型预测效果。
-
公开(公告)号:CN110176306B
公开(公告)日:2023-04-28
申请号:CN201910413989.1
申请日:2019-05-17
Applicant: 上海交通大学
Abstract: 本发明公开了一种基于动态多元LSTM网络的软组织漂移靶点自动定位方法,包括以下步骤:步骤1、对训练数据集提供的体表标记点和体内软组织靶点的三维运动信息进行数据预处理。步骤2、提取体内外运动点位置信息特征,构建多元LSTM网络,进行多输入多输出的迭代训练。步骤3、设置体内靶点的误差阈值,将测试例初始时刻采集的体表标记点和体内靶点位置输入到模型中进行再训练。步骤4、按照一定时间间隔检测误差,若误差低于阈值,模型正常输出;否则,重新采集下一时刻体表标记与体内靶点的位置信息,更新训练模型。步骤5、重复步骤4,直至完成体内靶点精准定位。该方法具有计算简单、操作自动化、对体内组织靶点运动定位精准的优点。
-
公开(公告)号:CN112700877A
公开(公告)日:2021-04-23
申请号:CN202110031720.4
申请日:2021-01-11
Applicant: 上海交通大学
Abstract: 本发明公开了一种血管介入训练安全防护方法,涉及血管介入训练技术领域,包括以下步骤:记录血管介入手术训练操作过程中,导丝的多个位置值,建立用于训练神经网络的第一数据集;进行数据预处理,得到第二数据集;建立基于长短时记忆神经网络的预测模型,进行模型训练并保存模型权重;在使用者使用导航系统时,读取导丝的当前位置值,加载模型权重并使用预测模型进行预测;使用Kdtree数据结构计算出所述预测值与血管中心线的偏移距离;当偏移距离大于阈值时,进行安全风险提示。该方法能够在血管介入手术训练过程中进行行为预测,预先进行安全防护风险提示。
-
公开(公告)号:CN106952285A
公开(公告)日:2017-07-14
申请号:CN201710080490.4
申请日:2017-02-15
Applicant: 上海交通大学
Abstract: 本发明涉及一种基于先验统计运动模型及自适应配准的肺部运动估计方法,包括:S1:获取多组病人呼吸始末两个相位的胸部CT图像;S2:对其进行肺部组织的图像分割;S3:将每组病人两个不同呼吸相位的胸部CT图像进行配准;S4:提取肺实质的运动信息,并以此建立肺部呼吸运动样本库,每组样本的EI时刻CT图像都与第一组样本的EI时刻CT图像做配准,获取样本间的转换矩阵;S5:采集一组新增肺部运动模型EI时刻的全局肺区CT及一组EE时刻的肺部病灶区域CT;S6:在新增的两种CT中选取十组的特征点对;S7:稀疏先验运动模型的生成;S8:病灶区域的精确运动信息获取。与现有技术相比,本发明具有计算速度快、实现方便、应用灵活等优点。
-
公开(公告)号:CN104504695B
公开(公告)日:2017-03-15
申请号:CN201410785473.7
申请日:2014-12-16
Applicant: 上海交通大学
Abstract: 本发明涉及一种磁共振延迟增强序列心肌分割方法,包括以下几个步骤:第一步,事先构建一组心脏图谱;第二步,将图谱与待分割的延迟增强序列图像配准;第三步,根据配准后的图谱信息初始化多组分高斯混合模型中的各参数;第四步,计算每个像素点属于各组分的后验概率;第五步,更新对高斯混合模型中各组分参数的估计值;第六步,演化耦合水平集模型中的两条轮廓;第七步,重新估计每一分类的先验概率;第八步,重复四到七步直至算法收敛,对耦合水平集模型中的内轮廓求取凸包进行插值得到最终分割结果。与现有技术相比,本发明具有不需要依赖其他序列信息、实现方便、应用灵活等优点。(56)对比文件Jenny Folkesson等.UnifyingStatistical Classification and GeodesicActive Regions for Segmentation ofCardiac MRI《.IEEE TRANSACTIONS ONINFORMATION TECHNOLOGY IN BIOMEDICINE》.2008,第12卷(第3期),第328-334页.Wenzhe Shi 等.Automatic Segmentationof Different Pathologies from CardiacCine MRI Using Registration and MultipleComponent EM Estimation《.FunctionalImaging and Modeling of the Heart》.2011,第6666卷第163-170页.
-
-
-
-
-
-
-
-
-