“郑贺亮”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果5个，建议您升级VIP下载更多相关专利

[发明专利]配准方法及装置、存储介质及电子设备-CN202310994089.7有效
发明人：冯彦彰;申一君;郑贺亮;刘兴业;顾席铭;陈亚刚;陈庸非 -专利权人：北京爱康宜诚医疗器材有限公司
申请日： 2023-08-08 - 公布日： 2023-10-27 - 主分类号： G06T7/33 文献下载
摘要：本申请实施例提供了一种配准方法及装置、存储介质及电子设备，其中，该方法包括：使用第一矩阵对骨对象上的远端点、骨对象上的多个精配准点、骨对象上与指示模型上的粗配准指示点对应的采集点集进行仿射变换，得到变换结果；在确定变换结果对应的多个子链的情况下，通过目标算法对多个子链进行优化，得到多个优化结果；从多个优化结果中确定出满足预设迭代退出条件的目标结果，并获取目标结果对应的第二矩阵；基于第一矩阵和第二矩阵确定骨对象对应的配准矩阵，以使用配准矩阵对骨对象上执行的目标操作进行配准。通过本申请，解决相关技术中的配准无法实现高精度的配准，且配准流程中的初步要求高，配准结果全局优化性差的问题。
方法装置存储介质电子设备

[发明专利]手术导航系统-CN202311061773.6在审
发明人： 郑贺亮;尹政顺 -专利权人：北京壹点灵动科技有限公司
申请日： 2023-08-22 - 公布日： 2023-09-22 - 主分类号： A61B34/20 文献下载
摘要：本申请公开了一种手术导航系统，涉及医疗技术领域，该手术导航系统包括：定位模块，用于在髋关节手术中，根据定位标志物采集骨盆的位置信息和手术工具的位置信息；控制模块，用于在髋关节手术中，根据骨盆的位置信息和手术工具的位置信息进行转换，得到转换后的位置信息，并将所述转换后的位置信息发送至显示模块；显示模块，用于在髋关节手术中，显示所述转换后的位置信息，其中，所述转换后的位置信息用于为髋关节手术提供手术参数，通过本申请，解决了相关技术中通过人工对手术工具进行定位以实现对假体的植入，导致定位的准确度比较低的问题。
手术导航系统

[发明专利]对象的术后角度的确定方法、装置、存储介质和处理器-CN202310974723.0在审
发明人：尹政顺;庞博;郑贺亮;李文彦;张靖;郭笑楠;王静芝 -专利权人：北京壹点灵动科技有限公司
申请日： 2023-08-03 - 公布日： 2023-09-05 - 主分类号： A61B6/03 文献下载
摘要：本发明公开了一种对象的术后角度的确定方法。该方法包括：获取目标对象的术后医学影像数据；基于术后医学影像数据，确定目标对象的目标模型和目标对象的目标假体模型；基于目标假体模型中的金属股骨髁假体三维模型，确定目标对象的第一垂直轴线，并基于目标假体模型中的金属胫骨平台假体三维模型，确定目标对象的第二垂直轴线；基于第一垂直轴线和目标模型中的股骨三维模型，确定目标对象的第一内外翻角和第一前后倾角，并基于第二垂直轴线和目标模型中的胫骨三维模型，确定目标对象的第二内外翻角和第二前后倾角。本发明解决了难以对术后假体安放的准确性以及术后假体与力线对齐的角度进行精确评估的技术问题。
对象术后角度确定方法装置存储介质处理器

[发明专利]手术机器人的精度测量方法和装置、存储介质及处理器-CN202211322728.7在审
发明人：尹政顺;郑贺亮;李文彦;张靖;郭笑楠;王静芝 -专利权人：北京壹点灵动科技有限公司
申请日： 2022-10-27 - 公布日： 2022-11-22 - 主分类号： A61B34/30 文献下载
摘要：本发明提供了一种手术机器人的精度测量方法和装置、存储介质及处理器，其中，精度测量方法包括：获取开源数据库中的患者骨骼信息，并根据患者骨骼信息建立三维骨盆模型，将具有不同的安放角度的多个髋臼杯模型分别与三维骨盆模型结合得到多个骨盆及髋臼杯组合体模型；根据多个骨盆及髋臼杯组合体模型得到多个骨盆及髋臼杯组合体结构；根据多个骨盆及髋臼杯组合体结构得到多个置入位置；根据多个置入位置及多个安放角度控制手术机器人的末端执行器依次移动并得到执行误差；根据执行误差得到手术机器人的精度。本申请的技术方案能够有效地解决相关技术中的精度检测装置及精度检测方法并不能有效地对髋臼杯置入角度进行检测的问题。
手术机器人精度测量方法装置存储介质处理器

[发明专利]模型训练方法、图像生成方法和装置-CN202210597992.5在审
发明人：沈力;郑贺亮;陶大程 -专利权人：京东科技信息技术有限公司
申请日： 2022-05-30 - 公布日： 2022-08-19 - 主分类号： G06T11/60 文献下载
摘要：本公开的实施例提供了一种模型训练方法、图像生成方法和装置。所述的模型训练方法包括：首先获取训练样本集，训练样本集包括样本输入图像、样本参考图像和期望图像，然后构建初始模型，该初始模型包括第一初始编码器、第二初始编码器和基于层级架构的多层级生成器，最后利用机器学习方法，将样本输入图像作为第一初始编码器的输入，样本参考图像作为第二初始编码器的输入，并将第一初始编码器和第二初始编码器的输出作为多层级生成器的输入，期望图像作为期望输出，对初始模型进行训练，得到图像生成模型，基于样本输入图像和样本参考图像进行训练，训练得到一种能够基于输入图像和参考图像进行处理得到输出图像的图像生成模型。
模型训练方法图像生成装置