-
公开(公告)号：CN108537723B
公开(公告)日：2021-09-28
申请号：CN201810307540.2
申请日：2018-04-08
Applicant: 华中科技大学苏州脑空间信息研究院
IPC: G06T3/00
Abstract: 本发明涉及一种海量脑图像数据集的三维非线性配准方法及系统，所述海量脑图像数据集的三维非线性配准方法，包括以下步骤：S0.降采样步骤；S1.低分辨图像配准步骤，其中包括：S11.线性配准步骤；S12.非线性配准步骤；S2.高分辨图像快速变换步骤，其中包括：S21.高分辨配准的变换矩阵计算步骤；S22.高分辨配准后空间范围计算步骤；S23.分块步骤；S24.高分辨非线性变换步骤。本发明利用低分辨图像数据配准信息，对海量高分辨三维图像数据集进行变换，实现海量高分辨三维图像数据集的非线性配准。本发明适用于基于变换矩阵的所有线性配准和基于位移场的所有非线性配准，能够快速对TB级数据集进行非线性配准。
-
公开(公告)号：CN110660068B
公开(公告)日：2022-06-03
申请号：CN201910853268.2
申请日：2019-09-10
Applicant: 华中科技大学苏州脑空间信息研究院
IPC: G06T7/12
Abstract: 本发明提供一种三维细胞构筑图像的半自动脑区分割方法，包括：步骤S1，知识引入；步骤S2，知识数字化；步骤S3，知识封装；步骤S4，脑区自动识别；步骤S5，脑区边界优化。本发明通过深度学习方法可以更好地提炼出更高维、更抽象的特征，因此能够识别离散胞体所组成的脑区的整体边界；此外，通过交互式分割，本发明成功地将神经解剖学的先验知识引入到了深度学习技术所构建的预测网络中，通过将专家掌握的神经解剖学先验知识数字化，使得专家大脑中只可意会难以言传的经验得以变为工具而被重复使用，大大降低了脑区自动识别的门槛，从而让普通的神经科学研究者得以摆脱对神经解剖学这一狭窄领域知识的高度依赖，极大地提升了脑区识别的效率。
-
公开(公告)号：CN117557603A
公开(公告)日：2024-02-13
申请号：CN202311523307.5
申请日：2023-11-15
Applicant: 华中科技大学苏州脑空间信息研究院
Abstract: 本发明提供一种面向介观水平显微光学脑图谱的映射方法，用于将第二脑图谱向第一脑图谱映射，包括：步骤一，构建多层级模型；步骤二，对第一层级的脑区图像进行映射，将名称相同的第一脑图谱中第一层级的脑区图像与第二脑图谱中第一层级的脑区图像进行配准，获得第一层级形变场；步骤三，对第二层级的脑区图像进行映射，将名称相同的第一脑图谱中第二层级的脑区图像与第二脑图谱中第二层级的脑区图像进行配准，获得第二层级形变场；步骤四，以此类推，对第三层级以及以下所有各层级的脑区图像，执行类似步骤三的操作，获得各层级形变场。本发明能够实现介观水平不同脑图谱脑之间映射对齐。
-
公开(公告)号：CN110599529B
公开(公告)日：2022-06-03
申请号：CN201910853269.7
申请日：2019-09-10
Applicant: 华中科技大学苏州脑空间信息研究院
IPC: G06T7/33
Abstract: 本发明提供一种显微光学图像的脑区扩张校正方法，所述方法包括如下步骤：步骤S1，区域特征提取及三维表面重建；步骤S2，点云非线性配准；步骤S3，图像非线性配准；步骤S4，高分辨非线性配准。本发明首先基于点云非线性配准，确定脑组织形变的强度和拉伸方向，然后利用薄板样条非线性形变模型，结合点云数据获取的强度和方向信息，构造非线性形变场。由于薄板样条模型可以构造出全局范围、拉伸均匀的形变，因此可以避免传统非线性配准计算中形变仅发生在脑室周边的问题，使得脑室周围的图像形变能够符合生物组织形变的真实情况，避免过度拉伸。
-
公开(公告)号：CN108537723A
公开(公告)日：2018-09-14
申请号：CN201810307540.2
申请日：2018-04-08
Applicant: 华中科技大学苏州脑空间信息研究院
IPC: G06T3/00
Abstract: 本发明涉及一种海量脑图像数据集的三维非线性配准方法及系统，所述海量脑图像数据集的三维非线性配准方法，包括以下步骤：S0.降采样步骤；S1.低分辨图像配准步骤，其中包括：S11.线性配准步骤；S12.非线性配准步骤；S2.高分辨图像快速变换步骤，其中包括：S21.高分辨配准的变换矩阵计算步骤；S22.高分辨配准后空间范围计算步骤；S23.分块步骤；S24.高分辨非线性变换步骤。本发明利用低分辨图像数据配准信息，对海量高分辨三维图像数据集进行变换，实现海量高分辨三维图像数据集的非线性配准。本发明适用于基于变换矩阵的所有线性配准和基于位移场的所有非线性配准，能够快速对TB级数据集进行非线性配准。
-
Patent Agency Ranking
公开(公告)号：CN115049626B
公开(公告)日：2025-05-02
申请号：CN202210734691.2
申请日：2022-06-27
Applicant: 华中科技大学苏州脑空间信息研究院
Abstract: 本发明提供一种图谱辅助绘制方法、计算机可读存储介质及电子设备，通过步骤S1，脑片轴向对应关系构建；步骤S2，旧版图谱数据规范化；步骤S3，区域特征提取；步骤S4，非线性配准；步骤S5，旧版图谱信息整合，实现将旧版图谱上的脑区位置和边界信息，准确地匹配到待绘制新图谱的图像上。
-
公开(公告)号：CN115035089B
公开(公告)日：2025-04-04
申请号：CN202210751358.2
申请日：2022-06-28
Applicant: 华中科技大学苏州脑空间信息研究院
IPC: G06T7/00 , G06T7/11 , G06T7/62 , G06T3/4007 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种适用于二维脑图像数据的脑解剖结构定位方法，通过检索的方式获取二维脑图像模板，利用分割的方法得到特征区域，并使用配准方法将待定位的二维脑图像与二维脑图像模板进行匹配，从而得到脑解剖结构的位置信息。整个定位过程不需要人工参与，可以实现快速的脑解剖结构定位，定位目标为二维脑图像上的所有脑解剖结构，相比现有方法提高了定位的精度。
-
公开(公告)号：CN119048771A
公开(公告)日：2024-11-29
申请号：CN202411007061.0
申请日：2024-07-25
Applicant: 华中科技大学苏州脑空间信息研究院
Abstract: 本发明提供一种跨模态神经元图像的自动匹配方法，用于将二维的双光子细胞图像与三维的fMOST细胞图像上对应的神经元进行匹配，包括：步骤S1.fMOST细胞图像库构建；步骤S2.双光子细胞图像前处理；步骤S3.细胞图像匹配。本发明跨模态神经元图像的自动匹配方法，利用三维的fMOST细胞图像构建二维的fMOST细胞图像库，基于局部细胞图像相似度，实现了双光子细胞图像和fMOST细胞图像的自动匹配，不需要人工介入，不依赖人的经验，也不受人的主观性的影响，而且准确性较高，而且能够用于标记较密的脑图像数据。
-
公开(公告)号：CN110599529A
公开(公告)日：2019-12-20
申请号：CN201910853269.7
申请日：2019-09-10
Applicant: 华中科技大学苏州脑空间信息研究院
IPC: G06T7/33
Abstract: 本发明提供一种显微光学图像的脑区扩张校正方法，所述方法包括如下步骤：步骤S1，区域特征提取及三维表面重建；步骤S2，点云非线性配准；步骤S3，图像非线性配准；步骤S4，高分辨非线性配准。本发明首先基于点云非线性配准，确定脑组织形变的强度和拉伸方向，然后利用薄板样条非线性形变模型，结合点云数据获取的强度和方向信息，构造非线性形变场。由于薄板样条模型可以构造出全局范围、拉伸均匀的形变，因此可以避免传统非线性配准计算中形变仅发生在脑室周边的问题，使得脑室周围的图像形变能够符合生物组织形变的真实情况，避免过度拉伸。
-
公开(公告)号：CN115457218A
公开(公告)日：2022-12-09
申请号：CN202211247610.2
申请日：2022-10-12
Applicant: 华中科技大学苏州脑空间信息研究院
IPC: G06T17/00 , G06T3/40 , G06T3/00 , G06F40/186
Abstract: 本发明提供一种三维脑图谱模板构建方法，其包括：步骤一，形变场获取：选取一套二维图像的序列，对于任意相邻的两张二维图像，将前一张配准到后一张上，配准过程生成形变场；步骤二，中间形变场生成：对于任意相邻的两张二维图像配准生成的形变场，按时间的形变路径积分，计算中间形变场；步骤三，插值图像生成：对于任意相邻的两张二维图像，根据所述中间形变场，计算待插值图像。本发明所述三维脑图谱模板构建方法、存储介质及电子设备，避免了传统三维重建思路可能产生的碎片空洞和缝隙重叠等问题。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.055 seconds)
