-
公开(公告)号：CN114037714B
公开(公告)日：2024-05-24
申请号：CN202111288047.9
申请日：2021-11-02
申请人： 大连理工大学人工智能大连研究院 , 大连医工机器人科技有限公司
IPC分类号： G06T7/11 , G06T17/00 , G06V10/774 , G06V10/80 , G06N3/0464 , G06N3/08
摘要： 本发明提供了一种面向前列腺系统穿刺的3D MR与TRUS图像分割方法，包括以下步骤：分别获取前列腺3D MR与TRUS图像数据集；分别对数据集进行预处理，数据增强后得到训练数据集；构建分割生成器网络模型，分割生成器网络包括编码器、解码器、跳跃连接和Bottleneck模块；构建鉴别器网络模型，鉴别器网络用于区分分割生成器网络输出结果和Ground truth，并将鉴别结果用于分割生成器网络的训练；训练数据集随机划分为训练集和验证集两部分，采用训练数据集对分割生成器网络进行训练；建立分割效果的评估指标，通过消融实验和对比实验评估模型效果。本发明提供一种基于深度学习方法的，面向前列腺系统穿刺的3D MR与TRUS图像分割方法，实现3D MR与TRUS图像的实时准确分割。
-
公开(公告)号：CN114300096A
公开(公告)日：2022-04-08
申请号：CN202111569977.1
申请日：2021-12-21
申请人： 大连理工大学
摘要： 本发明提供一种基于TURS图像的前列腺活动表观模型建立方法，属于图像处理技术领域。首先，获取前列腺3D MR与TRUS的图像数据，标记图像数据中形状特征点，并采用普氏分析方法进行形状坐标对齐。其次，采用主元法对数据降维，对特征进行分析，利用三角剖分获取纹理信息。最后，利用主元分析方法对图像纹理进行特征分析，建立形状纹理组合模型，并对组合模型进行参数求解和优化。本发明考虑到前列腺腺体形状外观变化特点，基于多组前列腺腺体的TRUS训练集图像建立前列的AAM模型，作为图像分割定位的基础，能够实现3D MR与TRUS图像的实时准确分割。
-
公开(公告)号：CN114300096B
公开(公告)日：2024-09-06
申请号：CN202111569977.1
申请日：2021-12-21
申请人： 大连理工大学
摘要： 本发明提供一种基于TURS图像的前列腺活动表观模型建立方法，属于图像处理技术领域。首先，获取前列腺3D MR与TRUS的图像数据，标记图像数据中形状特征点，并采用普氏分析方法进行形状坐标对齐。其次，采用主元法对数据降维，对特征进行分析，利用三角剖分获取纹理信息。最后，利用主元分析方法对图像纹理进行特征分析，建立形状纹理组合模型，并对组合模型进行参数求解和优化。本发明考虑到前列腺腺体形状外观变化特点，基于多组前列腺腺体的TRUS训练集图像建立前列的AAM模型，作为图像分割定位的基础，能够实现3D MR与TRUS图像的实时准确分割。
-
公开(公告)号：CN115446835B
公开(公告)日：2024-06-14
申请号：CN202211077521.8
申请日：2022-09-05
IPC分类号： B25J9/16
摘要： 本发明提供一种基于深度学习的刚软仿人手自主抓取方法，属于机器人智能控制技术领域。抓取方法包括：使用深度相机获取物体的RGB图像；将RGB图像输入进基于深度神经网络模型的YOLOv3目标检测算法，输出物体的抓取模式和抓取区域；将RGB图像输入进基于OpenCV的图像处理方法，输出物体的抓取角度；根据抓取模式、抓取区域和抓取角度控制刚软仿人手抓取物体。本发明能够同时实现抓取模式预测和抓取位姿估计，避免了复杂的抓取规划并允许刚软仿人手与桌面发生轻微接触；可以实现对刚软仿人手的精确控制，使刚软仿人手能够准确有力地抓取物体。
-
公开(公告)号：CN114037714A
公开(公告)日：2022-02-11
申请号：CN202111288047.9
申请日：2021-11-02
申请人： 大连理工大学人工智能大连研究院 , 大连医工机器人科技有限公司
摘要： 本发明提供了一种面向前列腺系统穿刺的3D MR与TRUS图像分割方法，包括以下步骤：分别获取前列腺3D MR与TRUS图像数据集；分别对数据集进行预处理，数据增强后得到训练数据集；构建分割生成器网络模型，分割生成器网络包括编码器、解码器、跳跃连接和Bottleneck模块；构建鉴别器网络模型，鉴别器网络用于区分分割生成器网络输出结果和Ground truth，并将鉴别结果用于分割生成器网络的训练；训练数据集随机划分为训练集和验证集两部分，采用训练数据集对分割生成器网络进行训练；建立分割效果的评估指标，通过消融实验和对比实验评估模型效果。本发明提供一种基于深度学习方法的，面向前列腺系统穿刺的3D MR与TRUS图像分割方法，实现3D MR与TRUS图像的实时准确分割。
-
公开(公告)号：CN115446835A
公开(公告)日：2022-12-09
申请号：CN202211077521.8
申请日：2022-09-05
IPC分类号： B25J9/16
摘要： 本发明提供一种基于深度学习的刚软仿人手自主抓取方法，属于机器人智能控制技术领域。抓取方法包括：使用深度相机获取物体的RGB图像；将RGB图像输入进基于深度神经网络模型的YOLOv3目标检测算法，输出物体的抓取模式和抓取区域；将RGB图像输入进基于OpenCV的图像处理方法，输出物体的抓取角度；根据抓取模式、抓取区域和抓取角度控制刚软仿人手抓取物体。本发明能够同时实现抓取模式预测和抓取位姿估计，避免了复杂的抓取规划并允许刚软仿人手与桌面发生轻微接触；可以实现对刚软仿人手的精确控制，使刚软仿人手能够准确有力地抓取物体。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.021 秒)
