-
公开(公告)号：CN119251533B
公开(公告)日：2025-05-23
申请号：CN202411257354.4
申请日：2024-09-09
Applicant: 西安电子科技大学
Abstract: 本发明公开了基于聚类和重叠率去噪的脑‑脊DTI纤维束提取系统及方法，对脑‑脊DTI影像进行了包括降噪、Gibbs振铃校正与涡流校正和归一化的预处理；对个体T1结构像进行N4偏差场的归一化处理，依据解剖学位点分割并将脊髓T1像与标准模版间联合配准；对个体追踪脑脊联合的感兴趣纤维束；对个体空间下的感兴趣纤维束进行聚类；对个体空间纤维束的映射像变换至标准空间，取所有个体像的均值获得重叠图后再去躁。本发明针对脑‑脊同步DTI影像数据提供了标准化的预处理及纤维束提取与分析流程，能够稳定、真实地提取出个体的DTI图像中的感兴趣纤维束，具备去噪充分、效果稳定可靠等显著优点。
-
公开(公告)号：CN109978871B
公开(公告)日：2021-06-25
申请号：CN201910254180.9
申请日：2019-03-30
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种融合概率型和确定型纤维束追踪的纤维束筛选方法，主要解决了现有技术所提取白质微结构特征真实性、准确性低的问题。其实现步骤是：1、读取DTI图像和FA图像，2、构建张量模板，3、提取张量模板的感兴趣纤维束，4、构建纤维束参数化模型，5、提取个体DTI图像的感兴趣纤维束，6、构建纤维束频率图谱，7、筛选感兴趣纤维束，本发明基于概率型纤维束追踪结果构建纤维束频率图谱，利用该图谱对纤维束参数化后的感兴趣纤维束进行筛选，使得纤维束参数化所提取的白质微结构特征精细化，有效克服了现有技术所提取白质微结构特征真实性，准确性低问题。
-
公开(公告)号：CN114627283B
公开(公告)日：2023-04-28
申请号：CN202210258177.6
申请日：2022-03-16
IPC: G06V10/25 , G06V10/762 , G06V10/30
Abstract: 本发明公开一种基于聚类去噪的感兴趣纤维束提取系统及方法。本发明的实现步骤是：纤维束提取模块在标准模板上追踪全脑纤维束后，通过计算每条纤维束到ROI的距离，提取经过ROI的感兴趣纤维束集合；聚类去噪模块利用纤维束聚类方法对感兴趣纤维束集合聚类后，再去除聚类后感兴趣纤维束集合中的噪声纤维束；纤维束反变换模块将去噪后的感兴趣纤维束集合反变换到个体图像，得到每名个体的感兴趣纤维束集合。本发明利用聚类去除噪声纤维，将标准模板中经过ROI的感兴趣纤维束集合反变换到个体图像，能够准确、稳定、真实提取每名个体的DTI图像中的感兴趣纤维束，具有去噪充分、效果稳定的优点。
-
公开(公告)号：CN109978872A
公开(公告)日：2019-07-05
申请号：CN201910254191.7
申请日：2019-03-30
Applicant: 西安电子科技大学
Abstract: 一种基于白质纤维束的白质微结构特征筛选系统及方法，本发明的系统包括：数据读取模块、张量模板构建模块，感兴趣纤维束提取模块，纤维束参数化模型构建模块，纤维束筛选模块，统计分析模块，白质微结构特征筛选模块。本发明的步骤包括：读取DTI图像和FA图像；构建张量模板；提取张量模板的感兴趣纤维束；构建纤维束参数化模型；提取个体DTI图像的感兴趣纤维束；构建纤维束频率图谱；筛选感兴趣纤维束；统计分析；筛选待测图像上的白质微结构特征。本发明利用纤维束频率图谱筛选感兴趣纤维束，可基于个体脑部FA图像筛选出该个体的白质微结构特征，降低了所筛选白质微结构特征的误差。
-
公开(公告)号：CN103077298B
公开(公告)日：2015-09-30
申请号：CN201210436070.2
申请日：2012-10-24
Applicant: 西安电子科技大学
IPC: G06F19/00
Abstract: 本发明针对现有大脑网络构建方法中节点选取方法的不足提出融合图像体素及先验脑图谱划分的大脑网络构建方法，包括对功能磁共振成像数据的预处理，基于图像体素构建初步大脑网络，在初步大脑网络的基础上基于先验脑图谱构建最终大脑网络。本发明将现有技术中两种节点选取方法进行融合，在图像体素的基础上寻找度值较大的节点，利用Talairach脑区定位软件在先验脑图谱的基础上筛选节点，以筛选出的节点为圆心画半径为6毫米的球体作为大脑网络的核心节点，根据核心节点及求得的大脑网络的边确定最终的大脑网络。本发明能全面细致的刻画大脑功能网络，将网络的核心节点在大脑空间中可视化的同时，实现清晰的观测脑区之间连接模式的功能。
-
Patent Agency Ranking
公开(公告)号：CN116309674A
公开(公告)日：2023-06-23
申请号：CN202310285109.3
申请日：2023-03-22
Abstract: 本发明公开一种基于形态学的气道特征提取方法。本发明的实现步骤是：使用气道分割方法从胸部医学图像中分割气道，获得包含有所有气道段气道分割图；采用气道细化算法来确定气道分割图中每个气道段的中心线，得到每个气道段中心线的所有离散点的三维坐标；在每个气道段中心线上每个离散点处对气道分割图进行截取，取得所有气道段上所有离散点的横断面图；从气道横断面中提取气道长轴长度、短轴长度、面积、等效直径、离心率和轴比，并获取每个气道段中每个气道形态特征的均值与标准差。本发明通过获得更加真实、更加准确的气道中心线，得到更加完整、更加全面、更加丰富、更加立体的气道形态特征。
-
公开(公告)号：CN111739580B
公开(公告)日：2021-11-02
申请号：CN202010544025.3
申请日：2020-06-15
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于纤维中点与端点的大脑白质纤维束聚类方法，旨在提高大脑白质纤维束聚类的准确度和效率，实现步骤为：(1)获取全脑纤维集；(2)分割全脑纤维集；(3)确定纤维中点；(4)中点聚类；(5)端点聚类；(6)确定端点聚类结果；(7)获取大脑白质纤维束聚类结果。本发明利用纤维中点和端点的位置信息作为特征，通过DBSCAN密度聚类，将大脑白质纤维束分成若干个纤维类，类内的纤维形态相似，走形一致，减少了特征敏感度的降低，提高了聚类的准确度，同时减少了计算量，提高了聚类的效率。
-
公开(公告)号：CN111738999A
公开(公告)日：2020-10-02
申请号：CN202010542976.7
申请日：2020-06-15
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于弥散张量成像的大脑张量模板构建方法，旨在提高大脑张量模板构建的准确度和效率，实现步骤为：对弥散张量图像进行预处理；获取个体平均B0图像集、张量图像集和FA图像集；确定标准模板；对个体FA图像进行迭代配准获取FA模板；获取个体FA图像与FA模板的配准参数；将平均B0图像集和张量图像集空间标准化；获取标准空间下所有被试的平均B0图像和平均张量图像集；获取大脑张量模板。本发明利用FA模板获取个体空间到标准空间的配准参数，作用到张量图像后进行张量重定向，减少了配准信息的丢失，提高了张量模板的准确度，同时所需的配准次数少，提高了模板构建的效率。
-
公开(公告)号：CN109978871A
公开(公告)日：2019-07-05
申请号：CN201910254180.9
申请日：2019-03-30
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种融合概率型和确定型纤维束追踪的纤维束筛选方法，主要解决了现有技术所提取白质微结构特征真实性、准确性低的问题。其实现步骤是：1、读取DTI图像和FA图像，2、构建张量模板，3、提取张量模板的感兴趣纤维束，4、构建纤维束参数化模型，5、提取个体DTI图像的感兴趣纤维束，6、构建纤维束频率图谱，7、筛选感兴趣纤维束，本发明基于概率型纤维束追踪结果构建纤维束频率图谱，利用该图谱对纤维束参数化后的感兴趣纤维束进行筛选，使得纤维束参数化所提取的白质微结构特征精细化，有效克服了现有技术所提取白质微结构特征真实性，准确性低问题。
-
公开(公告)号：CN109978872B
公开(公告)日：2022-12-06
申请号：CN201910254191.7
申请日：2019-03-30
Applicant: 西安电子科技大学
Abstract: 一种基于白质纤维束的白质微结构特征筛选系统及方法，本发明的系统包括：数据读取模块、张量模板构建模块，感兴趣纤维束提取模块，纤维束参数化模型构建模块，纤维束筛选模块，统计分析模块，白质微结构特征筛选模块。本发明的步骤包括：读取DTI图像和FA图像；构建张量模板；提取张量模板的感兴趣纤维束；构建纤维束参数化模型；提取个体DTI图像的感兴趣纤维束；构建纤维束频率图谱；筛选感兴趣纤维束；统计分析；筛选待测图像上的白质微结构特征。本发明利用纤维束频率图谱筛选感兴趣纤维束，可基于个体脑部FA图像筛选出该个体的白质微结构特征，降低了所筛选白质微结构特征的误差。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.021 seconds)
