-
公开(公告)号：CN110163825B
公开(公告)日：2022-11-25
申请号：CN201910432219.1
申请日：2019-05-23
Applicant: 大连理工大学
Abstract: 本发明公开了一种人类胚胎心脏超声图像去噪和增强方法，包括以下步骤：S1：获取时间序列和空间序列的超声目标图像并选取中心图像，选取该中心图像的相邻图像；S2：计算中心图像的每一个像素与相邻图像对应区域的相似度：S3：利用加权平均得到去噪后的像素值，遍历整张中心图像后即获得去噪后的清晰图像；S4：计算图像的灰度直方图和大津阈值、利用大津阈值计算灰度直方图的裁剪长度，对灰度直方图进行裁剪并且将裁去的部分分配给所有灰度级对应的直方图得到新灰度直方图；S5：将新灰度直方图映射成新图像：计算灰度累计频率和灰度映射函数、利用灰度映射函数将每一个灰度级映射到新的灰度级得到增强后图像。
-
公开(公告)号：CN112258534B
公开(公告)日：2022-09-16
申请号：CN202011156776.4
申请日：2020-10-26
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的定位及分割方法，包括以下步骤：获取人脑超声图像和超声图像中胼胝体尺寸及位置信息、读取小脑蚓部图像、通过对抗神经网络生成小脑蚓部平均模板图像；根据胼胝体位置信息、选择像素均值较小的区域作为小脑蚓部初始搜索区域，并记录小脑蚓部相对胼胝体方向位置信息Loc；以自适应后小脑蚓部平均模板尺寸作为小脑蚓部初始搜索结果的尺寸；采用新相似度比较算法进行自适应模板尺寸滑动窗口搜索从而得到小脑蚓部精搜索结果；通过方向位置信息Loc以及小脑蚓部本身的形态学特征对其进行外轮廓图形拟合得到小脑蚓部初始轮廓，再对精确轮廓进行平滑化处理最终得到小脑蚓部轮廓信息。
-
公开(公告)号：CN111400788B
公开(公告)日：2022-09-16
申请号：CN202010180001.4
申请日：2020-03-16
Applicant: 大连理工大学
IPC: G06F30/12 , G06F111/20
Abstract: 本发明属于计算机辅助设计、工业设计制造技术领域，提供了一种适用于3D打印的交互式3D浮雕方法。首先，载入3D模型文件与二维图像文件；然后，将二维图像映射到模型用户指定的感兴趣区域，形成3D浮雕；最后，使用3D打印机打印浮雕模型。本发明得到3D浮雕模型的方法适合非专业人士用来设计适用于3D打印的3D浮雕。具有简洁性、交互性强等特点。与传统生成浮雕方法相比，该方法具有交互性强，操作简便等优点。
-
公开(公告)号：CN110136089B
公开(公告)日：2021-04-23
申请号：CN201910432273.6
申请日：2019-05-23
Applicant: 大连理工大学
IPC: G06T5/40
Abstract: 本发明公开了一种人类胚胎心脏超声图像增强方法，包括以下步骤：S1:计算图像的大津阈值；S2:获取图像的灰度直方图，利用大津阈值计算灰度直方图的裁剪长度，对灰度直方图进行裁剪并且将裁去的部分分配给所有灰度级得到新灰度直方图；S3:将新灰度直方图映射成新图像：计算灰度累计频率和灰度映射函数、利用灰度映射函数将每一个灰度级映射到新的灰度级得到增强后图像。本发明公开的方法在增强的过程中对图像的对比度做出了限制，有效地避免了因为增强后图像对比度过高而产生的图像噪声放大的问题，对医学图像尤其是人类胚胎心脏超声图像这类本身就含有较多噪声的图像来说效果更加明显。
-
公开(公告)号：CN111563858A
公开(公告)日：2020-08-21
申请号：CN202010409165.X
申请日：2020-05-14
Applicant: 大连理工大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于深度卷积神经网络的人类胚胎心脏超声图像的去噪方法,包括如下步骤：获取具有时间序列和空间序列特征的超声图像数据集并选取中心图像、确定该中心图像的相邻图像；计算中心图像中心像素与相邻图像对应搜索域中每个像素的相似度；根据相似度信息计算相邻图像对应的中心像素灰度值并对该中心像素灰度值进行取平均值操作得到中心像素的最终灰度值，构建深度卷积神经网络模型，将未去噪的超声图像输入至完成训练的深度卷积神经网络模型中进行去燥处理获得噪声图像与干净图像的差即残差图像。
-
Patent Agency Ranking
公开(公告)号：CN107316327B
公开(公告)日：2020-08-14
申请号：CN201710542936.0
申请日：2017-07-05
Applicant: 大连理工大学
IPC: G06T7/33
Abstract: 本发明公开了一种基于最大公共子图与包围盒的断骨断面及断骨模型配准方法，包括如下步骤：断骨轴线提取步骤：断骨高斯映射步骤：断面点集提取步骤：通过剔除其法向量与所述断骨轴线呈一定角度内的三角面片，将所述的断骨模型分割成两个断骨模型；每个模型包含该断骨的断面模型；分别对两个断骨进行三角面片的剔除，最终得到四个子模型，其中2个为断面模型；提取4个所述子模型包含节点数的断面点集，通过使用最大公共子图算法两两比较所述的断面电机，选择2个包含节点数最大的一对子模型作为所述的两个断面模型；断骨预配准步骤：建立所述的两个断面模型的包围盒，将两包围盒在空间上对齐完成预配准；断骨精确配准步骤：通过ICP算法对两断骨模型进行精确配准，完成两断骨的接合。
-
公开(公告)号：CN110232684A
公开(公告)日：2019-09-13
申请号：CN201910512337.3
申请日：2019-06-13
Applicant: 大连理工大学
Abstract: 本发明公开了一种基于谱分析的三维医学图像自动分割方法，包括以下步骤：S1:采用体绘制方法对序列化切片图像进行三维体数据重建获得绘制图像；S2:标记绘制图像的前景区域和背景区域：同时记录这些标记在绘制图像中相对应的位置坐标；S3:根据绘制图像建立拉普拉斯矩阵；S4:查找拉普拉斯矩阵的最小特征向量，采用牛顿迭代法寻找拉普拉斯矩阵的线性变换获得一组抠图成分；S5:根据S2中的标记在绘制图像中的位置坐标判断出标记覆盖到的区域中属于前景的抠图成分，对于S2中没有标记的区域对应的抠图成分，根据能量函数判断属于前景的抠图成分，将所有属于前景区域的抠图成分组合得到完整的前景区域即实现图像的分割。
-
公开(公告)号：CN105741289B
公开(公告)日：2019-04-16
申请号：CN201610066206.3
申请日：2016-01-29
Applicant: 大连理工大学
IPC: G06T7/11
Abstract: 本发明公开了一种面向虚拟人超大规模切片图像的序列化自动分割方法，S1：基于闭式解决算法对第一张虚拟人切片图像进行分割；S2：基于距离变换算法生成欲获取区域种子点；S3：根据上述获得的种子点采用S1中的方式对第二张虚拟人切片图像进行分割处理，将第二张获得的种子点对第三张虚拟人切片图像进行分割，如此循环完成最后一张图像的分割；S4：对于分割结束后的欲获取区域图片，按序叠加后获得虚拟人器官三维立体图像。本方法基于虚拟人超大规模序列化图片，自动分割其中感兴趣区域，为虚拟人后续研究提供素材和基础，在分割方法方面采用了应用于自然场景分割的闭式解决方法，分割结果更加精细，可获得精准的三维模型。
-
公开(公告)号：CN109584249A
公开(公告)日：2019-04-05
申请号：CN201811393347.1
申请日：2018-11-21
Applicant: 大连理工大学
Abstract: 本发明公开了一种基于闭合形式解的三维体数据分割方法，具体包括以下步骤：S1：采用体数据的表示方法对生物切片图像的三维体数据进行重建获得三维图像；S2：标记三维图像的前景区域和背景区域，其中前景区域为感兴趣区域，将标记图像的前景区域与背景区域获取到的体素作为目标体素；S3：基于三维闭合解算法提取三维图像的前景区域中体素的透明度信息；S4：将提取的体素透明度信息采用稀疏矩阵的方式进行存储，并构建线性方程组；S5：采用预处理共轭梯度算法对S4中的线性方程组进行求解，求其残差和余量，从而求得线性方程组的解，即求得图像中的感兴趣区域。
-
公开(公告)号：CN108986109A
公开(公告)日：2018-12-11
申请号：CN201810673056.1
申请日：2018-06-27
Applicant: 大连理工大学
Abstract: 本发明公开了一种序列化可视人体切片图像自动分割方法，包括以下步骤：S1：选取彩色器官切片图像的序列化图像；S2：运用基于优化能量函数的最小割算法对该图像进行前景区域和背景区域进行分割处理；S3：基于腐蚀算法提取该图像中前景区域的种子点图像；S4：基于细化算法提取该图像中背景区域的骨架图像；S5：根据前景区域的种子点和背景区域的骨架分割序列化图像的第二张图像。该方法结合交互式分割和序列化自动分割两种分割方式，既能降低分割的鲁棒性受医学图像复杂程度的影响，又能大大节省分割时间，在实现人体器官的分割提取、人体组织和其病变区域的定量分析等医学工作领域上具有十分重要的现实意义。
-
-
-
-
-
-
-
-
-
Search Results
102
records
(took 0.032 seconds)
