-
公开(公告)号：CN115035028A
公开(公告)日：2022-09-09
申请号：CN202210479098.8
申请日：2022-05-05
Applicant: 东北大学
Abstract: 本发明提供一种基于超声图像的左心室射血分数自动计算方法，涉及计算机视觉技术领域。首先获取多个带有视图类别、左心室掩膜、二尖瓣环和心尖关键点标签的超声心动图作为样本数据集；然后构建用于视图分类、左心室分割和标记点检测的深度神经网络模型，并使用样本数据集训练并验证深度神经网络模型，得到最佳模型参数；将最佳模型参数加载到构建好的深度神经网络模型中，输入待评估的超声图像得到视图类别、左心室掩膜和关键点坐标；最后基于双平面Simpson’s法计算左心室射血分数。
-
公开(公告)号：CN114519722A
公开(公告)日：2022-05-20
申请号：CN202210145347.X
申请日：2022-02-17
Applicant: 东北大学
Abstract: 本发明公开了一种基于卷积神经网络的颈动脉提取方法，涉及医学图像处理技术领域。该方法包括：对原始数据集中各三维颈动脉CTA图像及各自对应的分割标签分别提取补丁块；构建训练数据集；建立并训练颈动脉中心路径预测模型；确定并训练颈动脉分割模型；输入待预测颈动脉的三维颈动脉CTA图像以及给定的种子点；基于种子点，提取以种子点为中心的补丁块；加载预训练的颈动脉中心路径预测模型和预训练的颈动脉分割模型，基于以种子点为中心的补丁块和预训练的颈动脉中心路径预测模型进行颈动脉中心路径的迭代追踪，并在颈动脉中心路径追踪过程中完成颈动脉的分割。该方法首次实现了追踪颈动脉中心路径的同时完成颈动脉分割。
-
公开(公告)号：CN114201635A
公开(公告)日：2022-03-18
申请号：CN202111342496.7
申请日：2021-11-12
Applicant: 东北大学
Abstract: 本发明涉及案源线索分类领域，提出一种基于多视图图数据特征学习的案源线索分类处理方法，包括：对案源线索数据集进行预处理，将案源线索文本数据转化为包含文本逻辑关系的图数据；通过多阈值分割，构建多视图；在得到多视图后通过图结构学习方法消除原始图中的噪声边，通过多视图一致性正则项实现对所有对象一致性约束，最终得到粗化多视图；通过共享的图嵌入学习层，捕捉不同视图之间的内在关系；在得到不同视图的分类结果后通过投票机制得出最终的案源线索分类结果。本发明针对图分类过程中图数据的高异度性以及噪声问题，通过构建多视图，图结构学习以及共享图嵌入得出多视图结果并以投票机制进行多分类，提高最终的分类性能。
-
公开(公告)号：CN114154022A
公开(公告)日：2022-03-08
申请号：CN202111341170.2
申请日：2021-11-12
Applicant: 东北大学
IPC: G06F16/901 , G06F16/906 , G06F40/126 , G06F40/151 , G06N3/04 , G06N3/08
Abstract: 本发明提出一种基于层次化图卷积神经网络模型的案源线索分类处理方法，包括：对案源数据集进行预处理，将案源线索文本数据转化为包含文本逻辑关系的图数据；多阈值稀疏图的构建，利用不同阈值分割转换后的图数据，构造不同级别的稀疏图；针对步骤二中得出的稀疏图，使用层次图卷积网络学习图的拓扑结构以及图与图之间的关联关系；使用不同阈值的图，构建不同的Hi‑GCN进行分类，最后通过集成分类器得到最终的案源线索分类结果。本发明通过构建稀疏图，并使用多层次的图卷积网络以及集成学习来进行图学习并捕捉多图之间的内在相关性，以改进用于图数据分类的网络嵌入学习，使网络能够提高图数据的分类性能。
-
公开(公告)号：CN108961273B
公开(公告)日：2021-10-29
申请号：CN201810719994.0
申请日：2018-07-03
Applicant: 东北大学
Abstract: 本发明涉及医学图像处理技术领域。本发明提出从CT影像中分割肺动脉和肺静脉的方法，包括：步骤S10：根据从CT影像中获取的肺血管数据和肺血管中心线图，确定肺血管中心线中的至少一个黏连点；并从所述肺血管数据中剔除所述至少一个黏连点，得到以肺血管中心线为根节点的多个血管子树；步骤S20：将所述多个血管子树按照匹配度划分为两类，分别为第一类血管子树和第二类血管子树；步骤S30：分别获取所述第一类血管子树和第二类血管子树对应的血管体积的数值，并确定血管体积数值较大的血管子树为肺静脉血管，血管体积数值较小的血管子树为肺动脉血管。本发明提供的分割方法的精度能够满足临床需求，且运算时间短。
-
Patent Agency Ranking
公开(公告)号：CN110341192B
公开(公告)日：2020-07-17
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：CN111047593A
公开(公告)日：2020-04-21
申请号：CN201911030548.X
申请日：2019-10-28
Applicant: 东北大学
Abstract: 本发明提供一种基于距离自适应聚类的图像分割方法，涉及图像处理、机器学习技术领域。本发明步骤如下：步骤1：获取图像Q并得到该图像的灰度值,形成待聚类数据集合I；步骤2：根据距离自适应的聚类方法，对图像Q进行分割处理，得到图像Q′。该方法能够得到的精确聚类结果，使得对图像的分割更加精确。
-
公开(公告)号：CN107169963B
公开(公告)日：2019-11-29
申请号：CN201710384315.4
申请日：2017-05-26
Applicant: 东北大学
Abstract: 本发明涉及医学图像处理与应用技术领域，尤其涉及一种从胸部CT图像中提取胸主动脉的方法。从胸部CT图像中提取胸主动脉的方法包括以下步骤：步骤一：运用区域生长法，基于胸部CT图像数据，获得不黏连心脏的胸主动脉壁里面的部分数据点，并标记上flag；步骤二：运用数学形态学算法，基于经过步骤一标记flag后的胸部CT图像数据，依次获得不黏连心脏的胸主动脉壁里面的剩余数据点和胸主动脉壁的数据点，并标记上flag。本发明的从胸部CT图像中提取胸主动脉的方法算法复杂度低，在i5处理器4G内存环境下运算时间短，分割效果好。
-
公开(公告)号：CN106529601B
公开(公告)日：2019-10-11
申请号：CN201611030667.1
申请日：2016-11-16
Applicant: 东北大学
IPC: G06K9/62
Abstract: 本发明涉及数据挖掘技术领域，提出一种基于稀疏子空间多任务学习的图像分类预测方法，包括：步骤一：根据对训练图像集提取的异构视觉特征构建特征数据；步骤二：基于任务的相关性和异构视觉特征的结构性，根据特征数据的训练数据集建立稀疏子空间的多任务分类算法的目标函数；步骤三：基于稀疏子空间的多任务分类算法的目标函数，采用迭代优化算法进行求解，生成稀疏子空间多任务分类模型；步骤四：采用稀疏子空间多任务分类模型对图像测试图像集进行分类预测。本发明结合子空间相关性和稀疏机制建立多任务学习机制，改善分类器的泛化性能，提高了图像分类的泛化性能。
-
公开(公告)号：CN109285225A
公开(公告)日：2019-01-29
申请号：CN201811197178.4
申请日：2018-10-15
Applicant: 东北大学
Abstract: 本发明涉及一种基于医学影像的虚拟现实辅助手术的建立方法，该方法包括：从患者医学断层图像获取特定组织的体数据，并对体数据进行处理，生成以四面体网络为代表的三维人体组织模型；依据虚拟现实眼镜，构建与现实手术室相当的3D模型手术室；将三维人体组织模型加入到3D模型手术室中，并对组织模型中各个组织添加碰撞检测包围盒，以检测模拟手术中是否碰撞到各组织；将3D模型手术室关联的控制装置与组织模型进行匹配，获取匹配关系，使用户使用控制装置进行虚拟现实辅助手术。上述方法利用从患者CT影像数据提取的组织数据进行三维建模，借助虚拟现实设备还原真实的人体组织与手术场景，达到虚拟手术带来的沉浸感与交互性。
-
-
-
-
-
-
-
-
-
Search Results
65
records
(took 0.044 seconds)
