[发明专利]用于识别体积图像数据中的物质边界的方法在审
| 申请号： | 202180083176.6 | 申请日： | 2021-12-07 |
| 公开（公告）号： | CN116583874A | 公开（公告）日： | 2023-08-11 |
| 发明（设计）人： | J·萨巴奇恩斯基;R·维姆科;T·克林德 | 申请（专利权）人： | 皇家飞利浦有限公司 |
| 主分类号： | G06T7/10 | 分类号： | G06T7/10 |
| 代理公司： | 永新专利商标代理有限公司 72002 | 代理人： | 寇锐 |
| 地址： | 荷兰艾*** | 国省代码： | 暂无信息 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 方法用于识别体积图像数据内的物质边界。所述方法基于模型边界转换函数的使用，所述模型边界转换函数根据距离对跨物质边界的体素值的预期进展进行建模。每个体素被轮流获取，并且围绕所述体素的子区域内的体素值被拟合到模型函数，并且除了模型拟合的质量相关的参数之外，推导相对应的拟合参数。基于每个体素的这些参数，对于所述体素的至少子集中的每个，识别候选空间点，其被估计位于3D图像数据集内的物质边界上。额外的预备步骤可以可选地用于对所述体素一直到候选体素进行滤波，例如基于每个体素到所述物质边界的估计的距离，这能够基于对于每个体素的推导模型参数的特定组合进行估计。候选点能够仅针对识别的候选体素进行识别。结果是空间上与边界壁的轮廓相对应的候选空间点的云集。基于这些，能够生成边界壁的表示，例如表面网格。 | ||
| 搜索关键词： | 用于 识别 体积 图像 数据 中的 物质 边界 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于皇家飞利浦有限公司，未经皇家飞利浦有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202180083176.6/，转载请声明来源钻瓜专利网。
- 上一篇：苯并噁嗪衍生物类玻璃高分子
- 下一篇：用于地面接合履带系统的滚轮组件
- 同类专利
- 用于识别体积图像数据中的物质边界的方法-202180083176.6
- J·萨巴奇恩斯基;R·维姆科;T·克林德 - 皇家飞利浦有限公司
- 2021-12-07 - 2023-08-11 - G06T7/10
- 方法用于识别体积图像数据内的物质边界。所述方法基于模型边界转换函数的使用，所述模型边界转换函数根据距离对跨物质边界的体素值的预期进展进行建模。每个体素被轮流获取，并且围绕所述体素的子区域内的体素值被拟合到模型函数，并且除了模型拟合的质量相关的参数之外，推导相对应的拟合参数。基于每个体素的这些参数，对于所述体素的至少子集中的每个，识别候选空间点，其被估计位于3D图像数据集内的物质边界上。额外的预备步骤可以可选地用于对所述体素一直到候选体素进行滤波，例如基于每个体素到所述物质边界的估计的距离，这能够基于对于每个体素的推导模型参数的特定组合进行估计。候选点能够仅针对识别的候选体素进行识别。结果是空间上与边界壁的轮廓相对应的候选空间点的云集。基于这些，能够生成边界壁的表示，例如表面网格。
- 图像数据中的脊柱椎骨的检测-202180072894.3
- A·雅科比;O·西尔伯特;G·恩格尔哈德 - 皇家飞利浦有限公司
- 2021-10-25 - 2023-07-18 - G06T7/10
- 使用具有被训练的人工智能的多阶段检测来检测体积图像中的脊柱的椎骨。在一个实施例中，经训练的神经网络(116)被用来在第一阶段检测矢状图像中的个体椎骨。围绕被检测到的椎骨的二维边界框被组合以生成该脊柱的三维模型。基于该三维模型生成脊柱的全景图像以创建脊柱的伸直视图。经训练的神经网络被用来在第二阶段检测全景图像中的个体椎骨。全景图像中围绕被检测到的椎骨的二维边界框被转换至三维空间，以创建具有三维边界框的三维图像数据。
- 用于分割物体的方法、系统和装置-201780078638.9
- 傅博;张燕;谷也;J·J·威廉姆斯;K·J·奥康奈尔 - 讯宝科技有限责任公司
- 2017-11-17 - 2023-07-07 - G06T7/10
- 提供了用于分割物体的方法、系统和装置。一种控制器；从一个或多个传感器接收包括由3D模型表示的物体的场景的三维(3D)表示；通过将2D图像与3D表示的对应区域匹配，从而确定所述2D图像在所述3D表示中的取向；从以下确定所述3D表示的与所述物体的3D模型的子集对应的第一部分：所述2D图像在所述3D表示中的取向；以及表示所述2D图像与所述3D模型的相应对应区域的匹配的预定匹配数据，所述3D模型、所述2D图像和所述预定匹配数据中的每一个存储在所述控制器能访问的存储器中；从所述3D表示的第二部分分割所述3D表示的第一部分。
- 图像处理装置和方法-202180037062.8
- 森内优介;中村宪一郎;三原基;佐佐木贵之 - 索尼集团公司
- 2021-05-14 - 2023-01-31 - G06T7/10
- 本公开内容涉及可以抑制图像聚类的处理时间增加的图像处理装置和方法。通过对图像中包括的稀疏像素进行聚类并且使用图像信号作为指导的图像滤波对通过所述聚类获得的稀疏信息进行插值，导出密集聚类结果。该稀疏信息是例如在聚类中获得的模型系数或聚类结果。本公开内容可以应用于例如图像处理装置、图像处理方法等。
- 基于多智能体深度强化学习的图像分割-202080101480.4
- 王廷槐;宽·埃克·谭;王光明 - 华为技术有限公司
- 2020-06-05 - 2023-01-31 - G06T7/10
- 访问包括感兴趣物体的数字图像帧，并接收与所述感兴趣物体相关联的像素的物体选择指示。为每个像素分配软件智能体，其中，每个软件智能体对其像素应用迭代深度强化学习过程，以估计所述像素是与所述感兴趣物体相关联的像素之一的概率，并根据所述估计概率对所述像素是否是与所述感兴趣物体相关联的像素之一进行分类。使用多个软件智能体和与感兴趣物体的区域相关的其它软件智能体通信或协作，使软件智能体能够计算出更准确的估计概率。例如，在像素值被遮挡的情况下(例如，皮肤和头发之间的边界区域)，可以更有效地避免概率估计错误。
- 超声数据分割-202180033568.1
- L·鲁埃;H·布赛义德;C·D·F·雷诺;C·乔福洛-法伊特 - 皇家飞利浦有限公司
- 2021-04-28 - 2022-12-23 - G06T7/10
- 一种用于分割超声数据中的目标解剖结构的方法。在笛卡尔坐标系中的扫描转换空间内获得扫描转换超声数据。将扫描转换超声数据变换为在环面坐标系中的去扫描空间内的去扫描超声数据。去扫描超声数据是对如通过原始采集流程获得的超声数据的估计。因此，能够对去扫描空间中的超声数据执行对目标解剖结构的分割。然后，能够将所得到的分割数据重新扫描回到笛卡尔坐标系以供与超声数据一起显示。
- 处理光学相干断层成像扫描图-201680081574.3
- 乔纳森·丹尼斯·霍姆斯;理查德·怀特黑德 - 迈克逊诊断有限公司
- 2016-12-09 - 2022-12-23 - G06T7/10
- 一种用于处理穿过受试者皮肤(7)的光学相干断层成像(OCT)扫描图的方法和设备，该方法包括：接收至少一个穿过所述受试者皮肤(7)的OCT扫描图，每个扫描图表示穿过所述受试者皮肤的切片中的OCT信号；处理每个OCT扫描图，以确定每个扫描图中是否存在至少一个血管(9)；确定已确定存在的所述至少一个血管(9)中的至少一个的直径；和针对不同血管直径确定血管密度的深度分布。
- 用于训练机器学习模型的伪图像数据增强的系统和方法-202180025998.9
- T·莫加斯;B·M·哈斯;P·派桑;A·甘吉 - 西门子医疗国际股份有限公司
- 2021-03-26 - 2022-12-06 - G06T7/10
- 用于利用经注释的伪图像来增强用于训练机器学习模型的训练数据集(402)的系统和方法。伪图像(412)从训练数据集(402)的对应的图像被生成，并且提供图像生成信号与患者的交互的真实感模型，同时还提供真实感患者模型。伪图像具有目标成像模式，该伪图像不同于训练数据集的成像模式，并且使用考虑目标成像模式的伪影的算法来生成伪图像。伪图像可以在其中包括被包括在训练数据集的对应医学图像中的解剖结构的轮廓和/或特征。经训练的模型可以被用于生成目标成像模式的患者的医学图像中的轮廓，或被用于预测可以指示疾病的解剖状况。
- 利用3D语义地图进行深度定位和分段的系统和方法-201880031348.3
- 王鹏;杨睿刚;曹彬彬;徐伟 - 百度时代网络技术（北京）有限公司;百度（美国）有限责任公司
- 2018-02-09 - 2022-11-15 - G06T7/10
- 本发明提出了基于深度学习的系统和方法，用于融合诸如相机图像、运动传感器(GPS/IMU)和3D语义地图的传感器数据，以实现对诸如机器人导航和增强现实的应用有用的相机定位和场景解析的鲁棒性、实时性能和精度。在实施例中，统一的框架通过在训练和测试中联合使用相机姿态和场景语义来实现这一点。为了评估所呈现的方法和系统，实施例使用新颖的数据集，该数据集是从真实场景创建的，并且包括密集的3D语义标记点云、从高精度运动传感器获得的参考相机姿态以及视频相机图像的像素级语义标签。实验结果表明，所提出的系统和方法对相机姿态和场景语义都是互利的。
- 点云分割方法、系统及计算机存储介质-201980039293.5
- 李延召 - 深圳市大疆创新科技有限公司
- 2019-11-18 - 2022-04-01 - G06T7/10
- 一种点云分割方法、系统及计算机存储介质，该方法包括：获取点云数据(S110)；根据点云数据中点云的高度从点云中确定出地面点(S120)；根据地面点从点云中确定出地上点(S130)；根据地上点的特征从地上点中确定出目标点，目标点为前景点或者背景点。该方法简单、有效、易实现，通用性和适应性强，能够实现针对不同类型点云数据的高效、鲁棒的分割。
- 利用卷积神经网络跟踪多个目标的图像处理-202080039718.5
- 布伦丹·杜克;阿卜杜拉·艾哈迈德;艾德蒙·彭;埃琳娜·克泽勒;帕汉姆·阿拉比 - 巴黎欧莱雅
- 2020-04-29 - 2022-01-11 - G06T7/10
- 提出了一种用于指甲跟踪的卷积神经网络(CNN)模型，以及一种用于指甲油渲染的方法设计。使用当前的软件和硬件，渲染指甲油的CNN模型和方法可以在iOS和Web平台上实时运行。使用损失均值池(LMP)与级联模型架构同时实现像素精确的指甲预测，分辨率高达640×480。所提出的后处理和渲染方法利用模型的多个输出预测在单个指甲上渲染渐变，并通过在指甲的方向拉伸指甲罩在自然指甲上渲染时隐藏浅色远端边缘提示。本文的教导可应用于跟踪除指甲之外的对象并应用除颜色之外的外观效果。
- 虚拟表面修改-201980084220.8
- K·古德里奇;M·M·拉扎洛夫;T·马修;商文涛;S·E·黑尔;A·J·麦克菲 - 斯纳普公司
- 2019-12-20 - 2021-08-31 - G06T7/10
- 本公开的方面涉及一种系统，该系统包括存储至少一个程序的计算机可读存储介质和一种用于渲染对图像内容中描绘的现实世界环境进行的虚拟修改的方法。在由计算设备的相机产生的相机馈送内捕获的三维(3D)空间中检测参考表面。将图像掩模应用于在所述相机馈送内捕获的3D空间内的所述参考表面。将视觉效果应用于与所述3D空间中的所述参考表面相对应的图像掩模。将所述视觉效果应用于所述图像掩模导致在所述计算设备的显示器上呈现所述相机馈送中将渲染经修改的表面。
- 联合无监督对象分割与修复-201980074975.X
- 帕维尔·亚历山德罗维奇·欧斯特科夫;罗曼·叶夫根涅维奇·苏沃罗夫;伊丽莎白·米哈伊洛娃·洛加契娃;奥列格·伊戈列维奇·霍姆尼科;谢尔盖·伊戈列维奇·尼科伦科 - 三星电子株式会社
- 2019-11-05 - 2021-06-22 - G06T7/10
- 本发明涉及与找到对象的边界、从图像去除对象、将对象插入到图像中、从现有图像的组合创建新图像相关联的图像处理功能的实现。提出一种用于自动图像处理的方法和用于执行自动图像处理的计算系统，包括：第一神经网络，用于通过经由分割掩模从包含对象O和背景B
- 用于在农场中收集育种数据的设备、用于分析育种特征的设备、用于在农场中收集育种数据的方法、程序和记录介质-201880073728.3
- 关谷和树;谷口贺春;神谷俊之;落合宏章;名越有里可;郭威;穆悦;平藤雅之;二宫正士;高田大辅 - 日本电气方案创新株式会社;国立大学法人东京大学
- 2018-10-05 - 2020-06-26 - G06T7/10
- 本发明提供了一种能够容易地获取用于实际育种农作物的农场的表型数据的新型系统。本发明的育种数据收集设备(1)包括：信息存储单元(101)，其存储农场信息、成像条件以及与成像条件相关联的农场的航空图像；分类单元(111)，其基于成像条件中包括的成像海拔高度而将航空图像分类为具有不同成像海拔高度范围的多个图像组；图像处理单元(112)，其从图像组中的至少一个和成像条件创建图像已处理数据(二维正交马赛克、数值表面模型和点云)并且从图像已处理数据中分析农场中的品质；可视化单元(113)，其对在图像处理单元(112)中获得的图像已处理数据进行可视化；已处理信息存储单元(102)，其将在图像处理单元(112)和可视化单元(113)中获得的数据作为已处理的信息存储；输出单元(120)，其输出在图像处理单元(112)和可视化单元(113)中获得的数据。
- 在附加的任务上训练人工神经网络的同时避免灾难性干扰-201880069398.0
- A.诺威科夫;K.布勒;D.马卓尔;M.维梅尔 - 爱克发医疗保健公司;VRVIS虚拟现实和形象化研究中心有限责任公司
- 2018-10-10 - 2020-06-05 - G06T7/10
- 一种方法，其用于在附加的未经训练的分割任务上训练人工神经网络，同时防止在原始训练的分割任务上先前获取的分割技能的损失。
- 图像分割方法及装置-201980004787.X
- 宋孝燮;李俊昊;宋智恩 - 三星SDS株式会社
- 2019-05-22 - 2020-05-15 - G06T7/10
- 公开一种图像分割装置及方法。根据本发明的一实施例的图像分割方法在计算装置中执行，所述计算装置包括一个以上的处理器以及存储有通过所述一个以上的处理器执行的一个以上的程序的存储器，其中，所述图像分割方法包括以下步骤：(a)接收图像的输入；(b)重叠分割输入的所述图像而生成一代碎片图像集；(c)从所述一代碎片图像集生成二代以上的碎片图像集，并且将上一代碎片图像集所包括的多个碎片图像中的至少一个进行重叠分割而生成下一代碎片图像集。
- 用于检测被染色样本图像中的细胞的自动化方法和系统-201880058969.0
- C·盖特;K·阮;王修中 - 文塔纳医疗系统公司
- 2018-08-02 - 2020-05-01 - G06T7/10
- 公开了一种用于显出输入图像中可见性差的或着色轻的细胞核的系统和方法。输入图像(210)被馈送到颜色反卷积模块(220)以用于反卷积成两个颜色通道，所述两个颜色通道在被组合之前被单独地处理。所述输入图像被反卷积为两个单独的图像：染色图像(230)和复染色图像(250)。生成所述染色图像的补码图像(234)，以便清楚地反映所述可见性差的或着色轻的细胞核的位置。所述补码图像和所述复染色图像被任选地归一化(236，264)，并且然后被组合(270)并且被分割(275)以生成具有边界清晰的细胞核的输出图像(280)。可替代地，所述染色图像的所述补码图像和所述复染色图像可以被可选地归一化，并且然后在被组合之前被分割以生成所述输出图像。
- 用于进行高光谱图像处理以识别对象的系统和方法-201880040968.3
- L.G.M.尼普;A.拉马南 - 颖帕视觉公司
- 2018-06-19 - 2020-02-21 - G06T7/10
- 一种系统包括：存储器以及至少一个处理器，所述至少一个处理器用于：通过成像装置获取对象的高光谱图像，所述对象的高光谱图像包括所述对象的三维图像集，所述图像集中的每个图像均呈现在电磁光谱的波长范围内的所述对象；对所述对象的所述高光谱图像进行归一化；在所述高光谱图像中选择感兴趣区域，所述感兴趣区域包括所述图像集中的至少一个图像；从所述高光谱图像中的所述感兴趣区域提取光谱特征；以及将来自所述感兴趣区域的所述光谱特征与训练集中的多个图像进行比较以确定所述对象的特定特性。
- 获得物体的多个部件的3D模型数据的方法-201880010954.7
- 马修·瓦查帕拉姆皮尔;马达斯密·帕内塞尔瓦姆;桑吉特·阿西安南;穆罕默德·阿巴斯·阿里;约翰逊·杰巴达 - 凯尔索富特环球控股有限公司
- 2018-01-09 - 2019-09-20 - G06T7/10
- 获得物体的多个部件的3D模型数据。本申请尤其涉及一种包括如下步骤的方法：获得多部件物体的x射线数据(X2)；处理x射线数据(X2)以获得物体的具有相应的第一分辨率(H)和第二分辨率(M)的至少第一3D表示和第二3D表示(X3‑H、X3‑M)，第一分辨率(H)高于第二个分辨率(M)；至少通过以下步骤识别第二3D表示(X3‑M)的多个区域(X311、X312、...)，每个区域(X311、X312、...)对应于物体的多个部件中的一个：‑识别第二3D表示(X3‑M)的多个初始区域，每个初始区域具有像素值的多个范围(Ti)中的一个的像素值；以及‑基于初始区域与从第一3D表示(X3‑H)获得的物体的至少一部分的一个或更多个2D部分推导出的一个或更多个特征(Di)之间的比较，选择性地调整多个初始区域中的每一个；以及基于对应区域(X311、X312、...)和/或基于从第一3D表示(X3‑H)获得的物体的至少一部分的一个或更多个2D部分中推导出的一个或更多个特征(Di)，获得多个部件中的每一个部件的3D模型(M211、M212、…)。
- 用于数字化妆镜的系统和方法-201780053384.5
- 奥弗·萨班;尼西·维尔科夫斯凯 - 艾斯适配有限公司
- 2017-06-29 - 2019-04-26 - G06T7/10
- 一种计算机实现的方法，用于使用相机视频流和显示屏来模拟镜子以生成数字镜。数字镜专门配置用于大头照应用，例如化妆和眼镜试用课程。规定用于校正屏幕上脸部的外观。具体实施方式使得能够跟踪面部的运动或面部的特定特征并且将虚拟化妆或虚拟眼镜或其他附件或其他滤镜应用于面部。此外，录制教程和自动编辑使用户可以轻松访问辅导教程和教程期间使用的产品。可以随时从用户的移动设备订购产品。
- 专利分类
- 彩色图像和单色图像的图像处理
- 图像编码/图像解码方法以及图像编码/图像解码装置
- 图像处理装置、图像形成装置、图像读取装置、图像处理方法
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序以及图像解码程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序、以及图像解码程序
- 图像形成设备、图像形成系统和图像形成方法
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
- 数据显示系统、数据中继设备、数据中继方法、数据系统、接收设备和数据读取方法
- 数据记录方法、数据记录装置、数据记录媒体、数据重播方法和数据重播装置
- 数据发送方法、数据发送系统、数据发送装置以及数据结构
- 数据显示系统、数据中继设备、数据中继方法及数据系统
- 数据嵌入装置、数据嵌入方法、数据提取装置及数据提取方法
- 数据管理装置、数据编辑装置、数据阅览装置、数据管理方法、数据编辑方法以及数据阅览方法
- 数据发送和数据接收设备、数据发送和数据接收方法
- 数据发送装置、数据接收装置、数据收发系统、数据发送方法、数据接收方法和数据收发方法
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
