一种基于多特征的椎弓根螺钉最佳入点定位方法

    公开(公告)号:CN109199604B

    公开(公告)日:2020-12-01

    申请号:CN201811009511.4

    申请日:2018-08-31

    Abstract: 本发明提供一种基于多特征的椎弓根螺钉最佳入点定位方法,方法包括步骤:S1、获取多组人体椎弓根的CT扫描图片,构建CT扫描图片的三维网格模型Mi(i=1,2,...,n);S2、计算三维网格模型Mi上的每个顶点的特征向量标注每个特征向量对应的向量标签S3、利用决策树算法对集合S以及对应的训练标签进行训练学习,获取决策树分类模型;S4、获取一待定位的人体椎弓根三维网格模型,获取待定位的三维网格模型的特征向量,将该特征向量全部输入决策树分类模型以获取其一一对应的标签结果,根据标签结果获取待定位的三维网格模型中的最佳入点位置。上述方法解决了椎弓根螺钉最佳入点的自动定位问题。

    一种椎弓根螺钉最优置钉点的智能定位方法

    公开(公告)号:CN109199603B

    公开(公告)日:2020-11-03

    申请号:CN201811009492.5

    申请日:2018-08-31

    Abstract: 本发明提供一种椎弓根螺钉最优置钉点的智能定位方法,其特征在于,方法包括步骤:S1、获取多组人体椎弓根的CT扫描图片,构建CT扫描图片的三维网格模型Mi(i=1,2,……,a);S2、计算三维网格模型Mi上的每个顶点vj(i)的特征向量Fj(i),标注每个特征向量Fj(i)对应的向量标签Lj(i);S3、利用深度神经网络算法对集合S以及对应的训练标签进行训练学习,获取深度神经网络模型;S4、获取一待定位的人体椎弓根三维网格模型,获取待定位的三维网格模型的特征向量,将该特征向量输入深度神经网络模型以获取其一一对应的标签结果,根据标签结果获取待定位的三维网格模型中的最佳置钉点位置。上述方法解决了最优置钉入点定位地智能生成问题。

    基于权重能量自适应分布的三维形状分割方法及系统

    公开(公告)号:CN110349159A

    公开(公告)日:2019-10-18

    申请号:CN201910542480.7

    申请日:2019-06-21

    Abstract: 本发明提供一种基于权重能量自适应分布的三维形状分割方法及系统,包括训练深度神经网络以及对待分割三维模型进行分割预测过程,训练过程包括步骤:将三维模型分割为分割成n个小块,随机选取每个小块上的一个三角面片代表小块,通过分割标签确定每个三角面片对应的分割标签;提取每个三角面片的特征向量;通过分割标签分别计算同一三维模型下的三角面片测地距离的最小值,得到权重能量分布,计算获取每个三角面片的软标签,将所有三维模型下的三角面片的软标签作为深度神经网络训练的输出;用上述输入和输出训练一个带有随机失活层的深度神经网络。该方法具有高准确率、强鲁棒性、强学习扩展能力等优点。

    基于分层学习的三维模型兴趣点提取方法及系统

    公开(公告)号:CN110334704A

    公开(公告)日:2019-10-15

    申请号:CN201910542056.2

    申请日:2019-06-21

    Abstract: 本发明提供一种基于分层学习的三维模型兴趣点提取方法及系统,包括训练三维模型兴趣点的分层器和细节点提取器,以及对待检测三维模型进行兴趣点预测的过程,训练三维模型兴趣点的分层器和细节点提取器的过程包括:对于集合D中的任何一个三维模型,将所有的人工标记好的兴趣点分为普通兴趣点和细节兴趣点;利用多特征描述符提取三维模型表面所有顶点的特征描述符;使用激活函数对兴趣点及兴趣点附近的点的标签进行赋值,以分别训练两个神经网络;通过特征向量匹配将两个训练好的神经网络组合起来,得到可以预测三维模型兴趣点的分层器和细节点提取器。该方法提取兴趣点的结果明显优于传统算法,兴趣点遗漏率和重复率低。

    一种椎弓根螺钉最优置钉点的智能定位方法

    公开(公告)号:CN109199603A

    公开(公告)日:2019-01-15

    申请号:CN201811009492.5

    申请日:2018-08-31

    Abstract: 本发明提供椎弓根螺钉最优置钉点的智能定位方法,其特征在于,方法包括步骤:S1、获取多组人体椎弓根的CT扫描图片,构建CT扫描图片的三维网格模型Mi(i=1,2,...,a);S2、计算三维网格模型Mi上的每个顶点的特征向量 标注每个特征向量 对应的向量标签 S3、利用深度神经网络算法对集合S以及对应的训练标签进行训练学习,获取深度神经网络模型;S4、获取一待定位的人体椎弓根三维网格模型,获取待定位的三维网格模型的特征向量,将该特征向量输入深度神经网络模型以获取其一一对应的标签结果,根据标签结果获取待定位的三维网格模型中的最佳置钉点位置。上述方法解决了最优置钉入点定位地智能生成问题。

Patent Agency Ranking