一种增强现实的远程超声系统
    1.
    发明公开

    公开(公告)号:CN117672488A

    公开(公告)日:2024-03-08

    申请号:CN202311629966.7

    申请日:2023-11-30

    摘要: 本发明公开了一种增强现实远程超声系统,在使用前线对四目相机模块和超声探头分别进行标定,然后利用双目红外相机对超声探头上的红外标记球进行跟踪和定位,实时获得各红外标记球在O1下的三维坐标;根据各红外标记球在O1、O2下的坐标,实时计算O2到O1的坐标变换矩阵;从超声探头实时获取人体2D超声扫描图像,然后计算图像中各像素点投影到双目可见光相机左、右图像上对应的像素坐标,并用像素坐标值实时替代双目可见光相机在左图像和右图像处的像素值,得到增强现实处理后的双目可见光图像,并将其传输给主端PC机。

    一种双目内窥镜软组织图像的联合三维重建方法

    公开(公告)号:CN110992431B

    公开(公告)日:2023-04-18

    申请号:CN201911294002.5

    申请日:2019-12-16

    IPC分类号: G06T7/80 G06T7/33 G06T17/00

    摘要: 本发明公开了一种双目内窥镜软组织图像的联合三维重建方法,先通过双目内窥镜获取目标的左右图像对,利用立体视觉发进行初步重建,然后以左图为例,利用基于微表面理论构造的双向反射分布方程,模拟内窥镜环境下的成像过程,进一步构造左图像的亮度图像,最后利用SFS算法进行精细重建,这样就可以将重建问题转化为最优化问题,通过迭代优化求解出最终的重建结果。

    一种基于深度特征学习的软组织表面运动跟踪方法

    公开(公告)号:CN112614152B

    公开(公告)日:2022-03-25

    申请号:CN202011525648.2

    申请日:2020-12-22

    摘要: 本发明公开了一种基于深度特征学习的软组织表面运动跟踪方法,在图像三角剖分、重心坐标系理论与深度匹配三种算法的改进结合下,构造了一种无标记少样本的软组织特征跟踪算法模型,然后通过该模型实现对人体软组织目标区域准确、快速的表面运动跟踪,解决了以往各种特征跟踪中或者目标跟踪中需要大量标记样本的问题,符合当前临床医疗发展的需要。

    一种基于LoG算子的3D/2D医学图像配准方法

    公开(公告)号:CN111080681B

    公开(公告)日:2021-12-10

    申请号:CN201911293356.8

    申请日:2019-12-16

    IPC分类号: G06T7/32

    摘要: 本发明公开了一种基于LoG算子的3D/2D医学图像配准方法,先获取2D和3D医学图像并进行去噪预处理,再根据X射线成像计算模型和刚体变换模型建立投影坐标系;然后利用GPU的并行计算完成DRR图像的快速生成过程,并基于LoG算子建立相似性测度函数,最后利用混合优化算法对相似性测度函数进行迭代寻优,找出满足精度配准时的刚体变换参数,则迭代停止,从而完成配准过程。

    一种自动分类社交网络用户评论数据的方法

    公开(公告)号:CN111078888B

    公开(公告)日:2021-12-10

    申请号:CN201911329160.X

    申请日:2019-12-20

    摘要: 本发明公开了一种自动分类社交网络用户评论数据的方法,通过在网络社交平台中采集评论数据,进行预处理后生成一个包含关键词的文本特征词项集合;再将包含关键词的文本特征词项集合与预先生成的类别特征关键词之间建立映射,判断文本特征词项集合中的词项是否出现在所属类中类别特征关键词库中,从而计算出文本特征词项集合中每一个词项与所属类别特征关键词库的特征值,然后生成特征向量,利用预先训练得到的分类模型进行分类,从而完成该评论数据的自动分类;具有实时性、分类效果好,且包含了更多的有效信息。

    一种基于数据驱动的小区接收功率预测方法

    公开(公告)号:CN110912627B

    公开(公告)日:2021-05-14

    申请号:CN201911347724.2

    申请日:2019-12-24

    摘要: 本发明公开了一种基于数据驱动的小区接收功率预测方法,先对采集到的小区数据进行预处理,再按功能进行划分,划分为工程参数和地图参数,工程参数全部保留并在此基础上设计特征链路距离、实际高度、信号线下倾角和目标栅格与信号线垂直距离,地图参数通过计算方差和皮尔逊相关系数进行特征筛选,扩充后的工程参数与筛选后的地图参数合并,随后利用上述数据输入级联模型XGBoost+LR进行训练,得到预测模型;最好利用预测模型预测新环境下的无线信号覆盖强度,从而大大减少无线网络建设成本,提高网络建设效率。

    基于深度学习网络的2D/3D脊椎CT层级配准方法

    公开(公告)号:CN112614169A

    公开(公告)日:2021-04-06

    申请号:CN202011547646.3

    申请日:2020-12-24

    IPC分类号: G06T7/33 G06T7/11 G06N3/04

    摘要: 本发明公开了一种基于深度学习网络的2D/3D脊椎CT层级配准方法,主要分为粗配准和精配准两步;先将3D CT序列产生形变,通过X射线成像计算模型投影生成DRR图像,再随机选取DRR图像训练深度学习网络;然后将术前待配准的3D图像形变后通过X射线成像模型投影生成DRR,再与术中2D参考图像输入深度学习网络,得到粗配准参数;最后基于粗配准参数,通过Adam参数优化算法完成术前待配准的3D图像中多块椎骨的精配准,实现脊椎CT层级配准。