-
公开(公告)号:CN114913135A
公开(公告)日:2022-08-16
申请号:CN202210444494.7
申请日:2022-04-26
Applicant: 东北大学
IPC: G06T7/00 , G06T7/143 , G06T7/11 , G06T17/00 , G06T7/155 , G06V10/774 , G16H30/20 , G16H30/40 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于级联VNet‑S网络和三维条件随机场的肝脏分割系统,涉及图像处理技术领域。该系统包括级联VNet‑S网络和三维条件随机场;级联VNet‑S网络得到肝脏CT图像前景像素点的概率,并将前景像素点的概率作为先验概率使用三维条件随机场分割肝脏;三维条件随机场通过空间上下文信息,反映观测变量之间的依赖关系,剔除误分割区域和细化分割,实现对肝脏分割边界的优化,进而实现对CT图像中肝脏的分割;该系统能够较为准确地分割肝脏,运算速度满足实际需求,且处理过程全自动,减少了医生的工作量,能够较好地满足应用需求。
-
公开(公告)号:CN113974667A
公开(公告)日:2022-01-28
申请号:CN202111287231.1
申请日:2021-11-02
Applicant: 东北大学 , 中国医科大学附属第一医院
IPC: A61B6/03
Abstract: 本发明公开了一种TAVI术前关键目标的自动定位装置及方法,涉及医学图像处理技术领域。装置包括:获取心脏CTA数据的数据采集模块;从心脏CTA数据中提取进行关键目标定位所需数据的数据提取模块;定位出TAVI术前所需的关键目标并输出定位结果的关键目标定位模块。方法包括:获取心脏CTA数据;分割主动脉和冠脉;定位左右冠脉开口位置以及确定主动脉中心线;对中心线上的点进行采样获得中心线上分别以各采样点为中心带有分割结果的横截面,各横截面的法线对应采样点的切线;从带有分割结果的各主动脉横截面上确定主动脉的分割平面,获得一系列主动脉平面;从主动脉平面中定位主动脉窦管连接处平面、主动脉瓣环平面、升主动脉平面和主动脉窦环平面。
-
公开(公告)号:CN113838036A
公开(公告)日:2021-12-24
申请号:CN202111141792.0
申请日:2021-09-28
Applicant: 东北大学 , 中国医科大学附属第一医院
Abstract: 本发明公开了一种基于局部聚类和滤波的冠脉分割方法,涉及医学图像处理技术领域。该方法包括在冠脉CTA图像上提取冠脉种子点的感兴趣区域;在感兴趣区域中获得疑似种子点集合;对疑似种子点集合进行滤波,筛掉假种子点获得有效种子点集合;针对有效种子点集合中的种子点逐点进行区域生长,直至所有的种子点生长完毕为止。在每个种子点的生长过程中,采用对称放射滤波器来筛选血管区域,解决了心脏CTA图像中噪声、伪影和非冠脉组织等不相关区域对冠脉分割的干扰的问题;采用基于距离聚类分割方法,解决了心脏CTA图像中造影剂不均衡,冠脉错层,伪影模糊等问题,从而快速、稳定、高效地进行心脏CTA图像的冠脉分割。
-
公开(公告)号:CN113409436A
公开(公告)日:2021-09-17
申请号:CN202110615894.5
申请日:2021-06-02
Applicant: 东北大学
IPC: G06T15/08
Abstract: 本发明涉及一种菱形像素排列的体绘制方法,包括如下步骤:S1、采用光线投射法对三维数据场进行投射获得投影成像平面;S2、对投影成像平面绕其法向量方向旋转45度,得到一个菱形的投影平面空间;S3、将投影平面空间中菱形排列的像素通过转换为方形排列的像素,得到最终的绘制图像。本发明提供的菱形像素排列的体绘制方法通过像素排列方式提升显示效果的体绘制加速绘制方案,相同分别率下效果会有很大提升,进而在体绘制应用中,在保证绘制精度的前提下,通过降低绘制分辨率提高绘制效率。
-
公开(公告)号:CN112450949A
公开(公告)日:2021-03-09
申请号:CN202011438172.9
申请日:2020-12-07
Applicant: 东北大学
Abstract: 本发明实施例涉及一种用于认知康复训练的脑电信号处理方法及系统,该方法包括:获取被训练者在多种场景的全景视频下进行一次测试的多个脑电信号,所述多个脑电信号中分别包含场景类型的标记;对多个脑电信号分别进行预处理和特征提取,得到脑电特征;对脑电特征的变化趋势进行分析,得到被训练者对多种场景的敏感程度的趋势分布图;根据所述趋势分布图确定至少一种场景作为用于认知康复训练的训练场景。本发明通过对预处理和特征提取后的脑电特征进行分析,进而从多种场景中确定至少一种作为用于认知康复训练的训练场景,加强对被训练者进行更加有效的刺激,能够为不同的被训练者提供个性化的康复训练。
-
公开(公告)号:CN110673719A
公开(公告)日:2020-01-10
申请号:CN201910775365.4
申请日:2019-08-21
Applicant: 东北大学 , 首都医科大学宣武医院
Abstract: 本发明公开了一种基于VR设备的空间认知能力训练方法及系统,训练方法包括:A1、接收场景触发指令,展示虚拟现实场景;A2、接收训练级别指令,确定相应的路径信息;A3、接收开始训练指令,在虚拟现实场景中显示当前用户角色,并依据路径信息进行自动行走;A4、在路径信息的分叉路口中需要选择行走方向时,向用户发出操作提示音;A5、接收用户触发的方向信息,判断是否正确,若不正确,发出选择错误提示音;A6、接收待训练用户再次触发的方向信息,判断是否正确,直至触发的方向信息正确,虚拟现实场景中显示的当前用户角色依据路径信息进行自动行走,直至到达目的地;本发明能使用户在虚拟现实场景中训练空间认知能力。
-
公开(公告)号:CN110517271A
公开(公告)日:2019-11-29
申请号:CN201910776575.5
申请日:2019-08-22
Applicant: 东北大学
IPC: G06T7/11
Abstract: 本发明提供一种先验形状约束的图像水平集分割方法,涉及计算机视觉及图像处理技术领域。该方法读取待分割图像,并初始化图像的水平基函数和形状先验水平集函数;建立图像水平集分割的能量泛函,设定水平集方法中的参数;然后分别更新第j次迭代的聚簇中心集合、图像水平集函数、形状约束水平集函数和基函数权重列向量,并计算第j次迭代的能量泛函的函数值直至达到最大迭代次数J或者能量泛函相邻两次的迭代结果差值小于设定的收敛阈值,得到待分割图像I的分割结果,并根据更新后的基函数权重列向量和基函数列向量得到待分割图像的偏移场估计;本发明方法克服了图像中灰度不均对分割精度造成的影响,在先验形状的约束下,增强了分割方法的鲁棒性。
-
公开(公告)号:CN110341192A
公开(公告)日:2019-10-18
申请号:CN201910630656.4
申请日:2019-07-12
Applicant: 东北大学
IPC: B29C64/379 , G06F3/01 , G06F3/0484 , G06T19/20 , B33Y50/00
Abstract: 本发明实施例涉及一种基于VR的导板3D打印模型建立方法,其包括:在虚拟现实VR场景中,基于对被切割模型的平面切割得到切割位置和切割目标模型;根据所述切割目标模型的网格信息进行表面网格提取,在所述切割目标模型的表面生成具有预设厚度的薄膜;利用矩形板在所述切割位置对所述薄膜的表面进行切割,得到导板卡槽位置以及形成导板表面;根据所述导板卡槽位置和所述导板平面构建所述VR场景下的导板3D打印模型。本发明实施例提供的方法通过在VR场景中对被切割模型的切割位置、导板等进行建模,从而可以在虚拟现实中无限制地对真实的手术对象重复进行多次切割操作,在切割位置生成3D导板打印模型,可以减少操作难度和制作时长。
-
公开(公告)号:CN109360219A
公开(公告)日:2019-02-19
申请号:CN201811235734.2
申请日:2018-10-23
Applicant: 东北大学
Abstract: 本发明涉及一种增强现实的辅助手术方法,包括如下步骤:101、获取病人的肺部CT图像数据;102、采用区域生长和图像填充算法对获取的肺部CT图像数据进行处理,获得肺部血管数据和气管数据;103、根据获得的肺部血管数据和气管数据,进行边缘网格模型的构建;104、将构建完成的边缘网格模型导入到混合现实设备中进行展示,供医生观察。本发明提供的增强现实的辅助手术方法能够实现在混合现实设备上进行病人肺部组织结构的展示,和传统的PC端结果展示相比更加立体和清楚。
-
公开(公告)号:CN108765483A
公开(公告)日:2018-11-06
申请号:CN201810565550.6
申请日:2018-06-04
Applicant: 东北大学
CPC classification number: G06T7/55 , G06T7/11 , G06T7/136 , G06T7/187 , G06T2207/10081 , G06T2207/30016
Abstract: 本发明涉及医学图像处理技术领域。本发明提出的从脑部CT图像确定中矢面的方法,包括:步骤S10:根据获取的用户输入的所述脑部CT图像中的一个或多个大脑组织像素点,利用区域生长法确定所述脑部CT图像中的大脑组织;步骤S20:生成对应于所述大脑组织的最小有向包围盒;步骤S30:确定所述最小有向包围盒在沿脑部对称方向的中心对称面,所述中心对称面为所述脑部CT图像的中矢面。本发明提供的从脑部CT图像中确定中矢面的方法自动化程度高,降低了人工参与度,减少了人为主观偏差,准确度好,一致性高。
-
-
-
-
-
-
-
-
-