-
Patent Agency Ranking
公开(公告)号：CN117408908A
公开(公告)日：2024-01-16
申请号：CN202311725816.6
申请日：2023-12-15
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于深度神经网络的术前与术中CT图像自动融合方法，涉及计算机视觉预测技术领域，包括：采集脊柱微创术前和术后同一病人的三维C形臂CT图像，对图像的腰椎区域分别进行标注；根据标注的图像构建基于注意力机制的三维U型分割网络模型，利用模型从术前和术后CT图像中自动分割出腰椎区域；利用快速全局点云配准算法对术前和术后CT图像中自动分割出的腰椎区域进行配准，并获得术前CT图像和术后CT图像间的形变矩阵；通过形变矩阵将术前CT图像转换到术后CT图像的坐标空间；本发明实现源点云和目标点云的快速精确配对，能够应用于基于图像引导的脊柱微创手术系统，以提高手术前和手术后C形臂CT图像自动融合精度。
-
公开(公告)号：CN116503389A
公开(公告)日：2023-07-28
申请号：CN202310745960.X
申请日：2023-06-25
Applicant: 南京邮电大学
Abstract: 本发明公开了一种牙根外吸收自动检测方法，首先，构建轻量化重平衡深度检测网络，由特征提取子网络、特征融合子网络和预测子网络三部分组成，特征提取子网络主要通过将若干卷积层、轻量化特征变换模块和通道特征自适应校准模块组合构成，实现从曲面体层图像中有效提取多尺度特征的目的；然后，利用从曲面体层图像和对应三维锥形束CT图像中获得的下颌第三磨牙牙根外吸收病灶区的位置标注和类别标注，在损失函数中嵌入类别重平衡机制对轻量化重平衡深度检测网络进行训练；最后，以新采集的曲面体层图像作为已训练轻量化重平衡深度检测网络的输入，该网络即可最终输出新曲面体层图像中下颌第三磨牙发生牙根外吸收的置信度和病灶区位置。
-
公开(公告)号：CN117036365A
公开(公告)日：2023-11-10
申请号：CN202311304496.7
申请日：2023-10-10
Applicant: 南京邮电大学
IPC: G06T7/00 , G06V10/80 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/52 , G06V10/25 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于深度注意力网络的第三磨牙牙根数目识别方法，采集曲面体层图像及对应的三维锥形束CT图像，获得第三磨牙牙根位置及类别标注信息形成数据集；以锥形束CT图像的第三磨牙牙根类别标注信息为金标准训练，模型包括主干特征提取网络、特征融合传递网络和输出网络。主干特征提取网络通过加入不同尺度通道注意力检测模块，提取多尺度特征；特征融合传递网络利用卷积操作和跨阶段局部模块进行自上而下和自下而上采样，融合并传递多尺度特征；输出网络同时输出第三磨牙牙根位置及数目分类预测结果。从而全自动同时完成第三磨牙牙根位置预测和数目分类任务，提高了识别效率和准确率，并减少口腔解剖结构重叠对识别准确率的影响。
-
公开(公告)号：CN116503389B
公开(公告)日：2023-10-20
申请号：CN202310745960.X
申请日：2023-06-25
Applicant: 南京邮电大学
Abstract: 本发明公开了一种牙根外吸收自动检测方法，首先，构建轻量化重平衡深度检测网络，由特征提取子网络、特征融合子网络和预测子网络三部分组成，特征提取子网络主要通过将若干卷积层、轻量化特征变换模块和通道特征自适应校准模块组合构成，实现从曲面体层图像中有效提取多尺度特征的目的；然后，利用从曲面体层图像和对应三维锥形束CT图像中获得的下颌第三磨牙牙根外吸收病灶区的位置标注和类别标注，在损失函数中嵌入类别重平衡机制对轻量化重平衡深度检测网络进行训练；最后，以新采集的曲面体层图像作为已训练轻量化重平衡深度检测网络的输入，该网络即可最终输出新曲面体层图像中下颌第三磨牙发生牙根外吸收的置信度和病灶区位置。
-
公开(公告)号：CN117408908B
公开(公告)日：2024-03-15
申请号：CN202311725816.6
申请日：2023-12-15
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于深度神经网络的术前与术中CT图像自动融合方法，涉及计算机视觉预测技术领域，包括：采集脊柱微创术前和术后同一病人的三维C形臂CT图像，对图像的腰椎区域分别进行标注；根据标注的图像构建基于注意力机制的三维U型分割网络模型，利用模型从术前和术后CT图像中自动分割出腰椎区域；利用快速全局点云配准算法对术前和术后CT图像中自动分割出的腰椎区域进行配准，并获得术前CT图像和术后CT图像间的形变矩阵；通过形变矩阵将术前CT图像转换到术后CT图像的坐标空间；本发明实现源点云和目标点云的快速精确配对，能够应用于基于图像引导的脊柱微创手术系统，以提高手术前和手术后C形臂CT图像自动融合精度。
-
-
-
-
Search Results
5
records
(took 0.016 seconds)
