-
公开(公告)号:CN104091365B
公开(公告)日:2017-11-10
申请号:CN201410334885.9
申请日:2014-07-12
Applicant: 大连理工大学
IPC: G06T17/00
Abstract: 本发明公开了一种面向序列化髋关节CT图像的髋臼组织模型重建方法,具有如下步骤:精细轮廓形成步骤:在选定的初始CT切片上的圆形股骨头粗轮廓上任一点的切线垂线上选定垂线上梯度最大的点;遍历股骨头粗轮廓,得到每一个切线垂线上梯度最大点的轮廓点集;该轮廓点集中的点连接形成该CT切片股骨头组织的精细轮廓;序列股骨头轮廓提取步骤、序列髋臼图像提取步骤和三维重建步骤。本发明基于患者个体髋关节骨骼形状,得到个性化的相关位置参数,在CT图像中进行髋臼分割,获得准确的髋臼组织图像和三维模型,为后续进行人工股骨头假体的个性化反求建模,不需要其他数据集进行训练所得到先验知识,实现简单。
-
公开(公告)号:CN107248142A
公开(公告)日:2017-10-13
申请号:CN201710330345.7
申请日:2017-05-11
Applicant: 大连理工大学
IPC: G06T3/40
Abstract: 本发明公开了一种文物碎片自动拼接方法,包括如下步骤:对待拼接处理的文物碎片进行扫描,建立每个文物碎步片的三维模型;网格化所述的三维模型;对三维模型分别进行面划分操作,把处于相同平滑面的顶点分入相同组,给出各个平滑面所包含的顶点;计算文物碎片中的每个顶点的积分不变量;根据得到的断面以及每个顶点的积分不变量,得到每个断面在设定阈值范围下的积分不变量相等的特征点对;根据特征点对采用贪心算法得到碎片之间的匹配关系,根据匹配关系匹配拼接文物碎片。
-
公开(公告)号:CN103606152B
公开(公告)日:2017-01-11
申请号:CN201310578640.6
申请日:2013-11-15
Applicant: 大连理工大学
IPC: G06T7/00
Abstract: 本发明属于医学图像处理领域,特别涉及一种基于SIFT特征点聚类及布尔差运算的DSA血管图像分割方法。该方法包括下述步骤:输入相对应的DSA蒙片图像和活片图像;在相同阈值条件下,利用SIFT算法对蒙片图像和活片图像进行几何特征点的提取;采用基于灰度梯度值的方法进行几何特征点局部位置的调整;进行基于欧氏距离的几何特征点聚类及布尔差运算;采用基于Otsu阈值的方法进行血管图像分割。利用该方法得到患者DSA减影中血管图像的过程,具有鲁棒性较强、计算过程方便等优点,能够为基于DSA介入治疗的临床手术提供准确的血管图像数据。
-
公开(公告)号:CN105005998A
公开(公告)日:2015-10-28
申请号:CN201510475050.X
申请日:2015-08-05
Applicant: 大连理工大学
IPC: G06T7/00
CPC classification number: G06T2207/10
Abstract: 本发明公开了一种基于多角度序列化图像空间特征点集的脑血管图像分割方法,包括以下步骤:S1:对脑血管的活片图像和蒙片图像进行配准:S2:提取序列化减影图像的几何特征点集;S3:对序列化减影图像中血管边缘的特征点进行局部位置调整,S4:采用空间旋转坐标系模型剔除减影图像中非血管位置的特征点:S5:确定序列化减影图像的自适应分割阈值;S6:基于区域生长和自适应阈值的血管图像分割:将S4中获得的特征点作为种子点,将S5中获得的自适应分割阈值作为生长法则的标准,采用区域生长算法分割序列化减影图像获得纯净的脑血管图像。
-
公开(公告)号:CN104102835A
公开(公告)日:2014-10-15
申请号:CN201410332067.5
申请日:2014-07-11
Applicant: 大连理工大学
IPC: G06F19/00
Abstract: 本发明公开了一种基于实时视频图像的投掷训练成绩检测方法,包括以下步骤:S1:设置投掷训练场地、对目标物体标记处理,设定投掷训练时的天气状况信息;S2:比例标定计算比例因子;S3:投掷目标物体对其进行追踪拍摄,在每帧图像中建立二维坐标系,捕获每帧图像中目标物体在二维坐标系中的空间坐标信息,将捕获到的图像空间坐标信息实时地存储在具有固定长度的链表中。S4:读取链表中位于末端的多个节点计算目标物体的图像空间速度,即图像中目标物体水平和竖直方向的速度采用每秒为多少个像素表示;S5:计算目标物体在出手前一时刻的实际水平速度和竖直速度,继而计算出目标物体水平方向的抛物距离和竖直方向的抛物距离,实现投掷训练成绩的检测。
-
公开(公告)号:CN104091365A
公开(公告)日:2014-10-08
申请号:CN201410334885.9
申请日:2014-07-12
Applicant: 大连理工大学
IPC: G06T17/00
Abstract: 本发明公开了一种面向序列化髋关节CT图像的髋臼组织模型重建方法,具有如下步骤:精细轮廓形成步骤:在选定的初始CT切片上的圆形股骨头粗轮廓上任一点的切线垂线上选定垂线上梯度最大的点;遍历股骨头粗轮廓,得到每一个切线垂线上梯度最大点的轮廓点集;该轮廓点集中的点连接形成该CT切片股骨头组织的精细轮廓;序列股骨头轮廓提取步骤、序列髋臼图像提取步骤和三维重建步骤。本发明基于患者个体髋关节骨骼形状,得到个性化的相关位置参数,在CT图像中进行髋臼分割,获得准确的髋臼组织图像和三维模型,为后续进行人工股骨头假体的个性化反求建模,不需要其他数据集进行训练所得到先验知识,实现简单。
-
公开(公告)号:CN103198521A
公开(公告)日:2013-07-10
申请号:CN201310134046.8
申请日:2013-04-16
Applicant: 大连理工大学
IPC: G06T17/00
Abstract: 本发明属于医学图像处理领域,特别涉及一种面向个性化设计的股骨头表面三维模型重构方法。该方法包括下述步骤:对输入的髋关节CT序列图像中每一幅二维CT图像内的股骨头和髋臼进行轮廓提取与内部填充;利用像素间的连通性实现每一幅二维CT图像内髋臼的分割操作;利用已分割完毕的髋臼序列图像,进行髋臼三维模型重构;利用空间辐射线法,进行髋臼凹面数据点采样;采用基于一般二次曲面约束的椭球面拟合方法,实现个性化股骨头表面重构。该方法能够为股骨头假体的个性化设计提供精确的数据模型。
-
公开(公告)号:CN119580254A
公开(公告)日:2025-03-07
申请号:CN202411568199.8
申请日:2024-11-05
Applicant: 大连理工大学
IPC: G06V20/70 , G06V10/26 , G06V10/74 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/09 , G06N3/0895
Abstract: 本发明公开了一种基于原型对比学习的半监督多类别医学图像语义分割方法,包括:再将标记图像数据集和未标记图像数据集划分为训练样本集和测试样本集;构建半监督语义分割的深度学习模型,构造主分支网络的类原型特征库,构建深度学习模型的总损失函数,将训练样本集输入至该深度学习模型中进行训练获得语义分割模型,其中在每一轮训练中均应用随机旋转和随机翻转的数据增强方案;使用测试样本对已经训练好的深度学习模型进行测试,输出测试样本图像分割结果。本方法减少了日常医学图像处理任务中医生需要对数据进行标注的工作量,解决了医学图像处理领域普遍存在的数据标注稀缺的问题。
-
公开(公告)号:CN119081013A
公开(公告)日:2024-12-06
申请号:CN202310656633.7
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 , C08F220/28 , C08F8/48
Abstract: 本发明涉及聚丙烯树脂领域,公开了一种交联聚丙烯树脂组合物、交联聚丙烯树脂及其应用。为了实现上述目的,本发明的交联聚丙烯树脂组合物包括:聚丙烯树脂、接枝组分、自由基引发剂和交联组分,其中,所述接枝组分如下述式(I)所示,所述交联组分如下述式(II)所示,式(I)中,R1为可具有取代基的丙烯酸酯基;式(II)中,R2为碳原子数1‑10的直链脂肪类基团或碳原子数6‑15的芳香类基团。使用本发明的交联聚丙烯树脂组合物得到的交联聚丙烯树脂,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。#imgabs0#
-
公开(公告)号:CN111859901B
公开(公告)日:2024-10-11
申请号:CN202010681512.4
申请日:2020-07-15
Applicant: 大连理工大学
IPC: G06F40/205 , G06F40/194 , G06F40/126
Abstract: 本发明公开了一种基于自编码器的英文重复文本检测方法、系统、终端及存储介质,其中方法包括以下步骤:S1:选取待对比的两段英文文本,将文本按字符顺序转化为两组ASCII码值;S2:对每个字符利用周围字符的ASCII码值表示其特征;S3:利用自编码器对每个字符点的特征进行降维;S4:对降维后的特征利用Jaccard相似度系数计算两段文本间的相似性,根据相似度判定文本是否重复;其中本方法用于检测两段文本是否重复,以字符为单位进行相似度对比,提高了检测准确率,同时对文本进行去重处理,对预防抄袭等相关工作具有重要意义。
-
-
-
-
-
-
-
-
-