CN109146818B - 一种基于测地线的颅面统计复原方法 - Google Patents
一种基于测地线的颅面统计复原方法 Download PDFInfo
- Publication number
- CN109146818B CN109146818B CN201810971763.9A CN201810971763A CN109146818B CN 109146818 B CN109146818 B CN 109146818B CN 201810971763 A CN201810971763 A CN 201810971763A CN 109146818 B CN109146818 B CN 109146818B
- Authority
- CN
- China
- Prior art keywords
- model
- geodesic
- face
- skull
- craniofacial
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 210000003625 skull Anatomy 0.000 claims abstract description 33
- 238000013179 statistical model Methods 0.000 claims abstract description 30
- 238000012549 training Methods 0.000 claims abstract description 12
- 239000013598 vector Substances 0.000 claims description 26
- 238000000513 principal component analysis Methods 0.000 description 18
- 238000011160 research Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000036544 posture Effects 0.000 description 3
- 239000004927 clay Substances 0.000 description 2
- 238000011840 criminal investigation Methods 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- IJJWOSAXNHWBPR-HUBLWGQQSA-N 5-[(3as,4s,6ar)-2-oxo-1,3,3a,4,6,6a-hexahydrothieno[3,4-d]imidazol-4-yl]-n-(6-hydrazinyl-6-oxohexyl)pentanamide Chemical compound N1C(=O)N[C@@H]2[C@H](CCCCC(=O)NCCCCCC(=O)NN)SC[C@@H]21 IJJWOSAXNHWBPR-HUBLWGQQSA-N 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30008—Bone
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Processing Or Creating Images (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明涉及一种基于测地线的颅面复原统计模型方法，其特征在于，包括以下步骤：步骤1，基于统计模型估计未知颅骨对应人脸的测地线；步骤2，利用复原出的测地线恢复未知颅骨对应的人脸模型；本发明所述方法的优越效果在于：使用颅骨及其面貌上的测地线特征点作为训练对象，通过测地线自动建立具有内蕴几何意义的对应特征点，使用本发明所述方法，由于测地线的内蕴性和测地距离在等距形变下保持不变的特性，实现了在不同表情姿态下，通过测地线自动建立的对应特征点的准确性和特征点之间的精确对应，实现了颅面复原中特征点的精确对应，以及颅面复原结果的准确性，得到更好的复原效果。
Description
技术领域
本发明属于信息技术与法医学交叉的颅面复原技术领域，具体涉及一种基于测地线的颅面统计复原方法，用于从未知颅骨复原其面貌。
背景技术
颅面复原又称颅面重构，其目的是利用颅骨估计人的面部容貌。人类学的研究表明，颅骨是人类面貌的内在生物特征，其形态决定了人的面部特征和五官的位置与结构，故颅骨特征是颅面复原的基础。早在1895年，德国学者率先基于巴赫遗骨实现了其面貌复原，开辟了颅面复原研究领域，不断涌现的研究成果已逐渐在法医学、人类学、刑侦、考古、颚面外科手术、公共安全等多个领域得到广泛应用。
颅面复原是寻求颅骨这一具有复杂形态的三维生物体与其面貌形态间的内在关系，并利用这种内在关系实现对给定颅骨的未知面貌进行科学预测与恢复。早期的颅面复原是用泥土或黏土进行手工复原，其结果受主观因素影响较大，重构者是否与重构对象属于同一种族也会影响颅面重构精度。近年来，随着计算机科学和医学图像技术的发展，利用计算机技术进行颅面复原具有复原结果更加客观、精确、高效及可重复使用的优点，已成为各国学者颅面复原研究的主流方向。目前，现有的研究主要通过颅面上所有点或手工标定的特征点采用基于软组织厚度或统计模型的方法进行复原，然而，由于颅骨的拓扑复杂亏格高，现有的计算机辅助颅面复原技术方法难以自动建立颅骨与面貌的精确对应，在复原准确率方面还未能达到可以在实际刑侦等领域真正普及应用的程度，颅面复原效果亟待提高。
发明内容
为了解决现有技术中存在的上述问题，本发明提出了一种基于测地线的颅面统计复原方法，所述方法包括以下步骤：
步骤1，基于统计模型估计未知颅骨对应人脸的测地线，即基于主成分分析(Principal Component Analysis，PCA)方法，对训练样本的颅骨和对应人脸上提取的测地线建立统计模型，从而对于一个未知面貌的颅骨利用该模型可以求解出对应面貌上的测地线：
步骤1.1，对经过预处理和配准好的颅面模型，即具有相同姿态、相同点数及语义一致的颅面数据作为训练样本，从鼻尖点出发，按相同的初始方向和相等的角度间隔提取m条测地线，组成训练样本的测地线向量G，如公式(1)所示：
G＝[G1,G2,L,Gm]T……(1)，其中Gi(i＝1,2,…,m)为第i条测地线；
步骤1.2，设颅骨向量为C＝[C1,C2,…,Cn]T，在颅骨对应的人脸上提取的测地线向量G＝[G1,G2,L,Gm]T，利用PCA建立统计模型如公式(2)所示：
步骤1.3，将公式(2)中的未知量合并，转化为以下公式(3)：
由公式(3)得出C＝Φcb，得到如下公式(4)，从而求解出系数b，如下公式(4)：
步骤1.4，将系数b代入公式(2)得到待复原颅骨对应人脸的测地线；
步骤2，利用复原出的测地线恢复待复原颅骨对应的人脸模型，即利用PCA建立人脸统计模型，根据测地线寻找相应的模型组合参数，从而求出对应的人脸模型，具体步骤如下：
步骤2.1，利用主成分分析PCA建立人脸统计模型，即将一套人脸的原始数据看作一个样本向量，并记为以下公式(5)：
其中：
是第1个点的坐标，
是第n1个点的坐标，对于具有公式(5)向量形式的样本数据，通过样本数据的线性组合即产生新的人脸向量Fnew：
其中：ai是样本人脸数据的组合系数，且
步骤2.2，根据测地线求出对应的人脸，即寻找相应的模型组合参数使得由测地线复原出的模型与统计模型的误差最小，即最小化min||Fmodel(α)-F*||，其中F*是由测地线复原出的模型。
进一步地，所述步骤2.1利用PCA建立人脸统计模型的方法如下：
步骤2.1.1，计算N个人脸样本向量的协方差阵：
其中：
是样本向量的均值；
步骤2.1.2，对CF求特征值和特征向量，并按特征值由大到小的顺序取前m个最大的特征值λ＝(λ1,Λλm)及相应的特征向量U＝(U1,U2,Λ,Um)，这里m由特征值的贡献率
大于某一给定值98％来确定；
步骤2.1.3，通过以下公式(8)的线性组合求出原始样本向量的主分量：
得到了样本向量的主分量，则人脸空间中的任一形状Fmodel近似表示为主分量的组合形式，如以下公式(9)：
其中：α＝(α1,α2,Λ,αm)是组合参数，且αi满足高斯分布，即
公式(9)是人脸模型的最终表示形式，在公式(9)中，人脸模型中只要给定组合参数α，即产生相应的人脸模型Fmodel(α)。
进一步地，步骤2.2所述根据测地线求出对应的人脸，即寻找合适的模型组合参数恢复出人脸模型的具体步骤如下：
步骤2.2.1，初始设α＝0，
其中
为平均脸；
步骤2.2.2，使用ICP算法确定模型Fmodel(α)与复原出的测地线G的对应点G'；
步骤2.2.3，根据测地线估计统计模型参数α，令G'-G＝hgα，其中hg是hi中与测地线点的对应的分量，采用最小二乘法更新模型参数α，即
步骤2.2.4，由模型参数更新人脸模型Fmodel(α)；
步骤2.2.5，反复迭代步骤2.2.2至步骤2.2.4，直至误差最小，求出待复原的三维人脸模型。
与现有技术相比，本发明所述方法具有以下有益效果：
1，本发明所述方法，使用颅骨及其面貌上的测地线特征点作为训练对象，通过测地线自动建立具有内蕴几何意义的对应特征点；
2，本发明所述方法，由于测地线的内蕴性和测地距离在等距形变下保持不变的特性，实现了在不同表情姿态下，通过测地线自动建立的对应特征点的准确性和特征点之间的精确对应，实现了颅面复原中特征点的精确对应以及颅面复原结果的准确性，得到更好的复原效果。
3，本发明所述方法，使用相似颅骨及其面貌上提取的测地线作为训练样本进行复原，在保留颅面数据几何特征的同时大大降低数据维度，提高复原的准确率与速度。
附图说明
图1为本发明所述方法的流程图；
图2为本发明所述方法复原的颅面效果示意图，图中：(a)复原面貌，(b)原始面貌，(c)误差。
具体实施方式
下面结合说明书附图和具体实施方式对本发明所述方法做进一步说明。
如图1-2所示，所述方法包括以下步骤：
步骤1，基于统计模型估计未知颅骨对应人脸的测地线，即基于主成分分析(Principal Component Analysis，PCA)方法，对训练样本的颅骨和对应人脸上提取的测地线建立统计模型，从而对于一个未知面貌的颅骨利用统计模型求解出对应面貌上的测地线：
步骤1.1，对经过预处理和配准好的颅面模型作为训练样本，即具有相同姿态、相同点数及语义一致的颅面数据，从鼻尖点出发，按相同的初始方向和相等的角度间隔提取m条测地线，组成训练样本的测地线向量G，如公式(1)所示：
G＝[G1,G2,L,Gm]T……(1)，其中：Gi(i＝1,2,…,m)为第i条测地线；
步骤1.2，设颅骨向量为C＝[C1,C2,…,Cn]T，在颅骨对应的人脸上提取的测地线向量G＝[G1,G2,L,Gm]T，利用PCA建立统计模型如公式(2)所示：
步骤1.3，将公式(2)中的未知量合并，转化为以下公式(3)：
由公式(3)中C＝Φcb可以得到如下公式(4)，从而求解出系数b，如以下公式(4),
步骤1.4，将系数b代入公式(2)得到待复原颅骨对应人脸的测地线；
步骤2，利用复原出的测地线恢复待复原颅骨对应的人脸模型，即利用PCA建立人脸统计模型，根据测地线寻找相应的模型组合参数，从而求出对应的人脸模型，具体步骤如下：
步骤2.1，利用PCA(主成分分析)建立人脸统计模型，即将一套人脸的原始数据看作一个样本向量，并记为下式(5)：
其中：
是第1个点的坐标，
是第n1个点的坐标，对于具有公式(5)向量形式的样本数据，通过样本数据的线性组合即产生新的人脸向量Fnew：
其中：ai是样本人脸数据的组合系数，且
步骤2.2，根据测地线求出对应的人脸，即寻找合适的模型组合参数使得由测地线复原出的模型与统计模型的误差最小，即最小化min||Fmodel(α)-F*||，其中F*是由测地线复原出的模型。
进一步地，所述步骤2.1利用PCA建立人脸统计模型的方法如下：
步骤2.1.1，计算N个人脸样本向量的协方差阵：
其中：
是样本向量的均值；
步骤2.1.2，对CF求特征值和特征向量，并按特征值由大到小的顺序取前m个最大的特征值λ＝(λ1,Λλm)及相应的特征向量U＝(U1,U2,Λ,Um)，这里m由特征值的贡献率
大于某一给定值98％来确定；
步骤2.1.3，通过以下公式(8)的线性组合求出原始样本向量的主分量：
得到了样本向量的主分量，则人脸空间中的任一形状Fmodel近似表示为主分量的组合形式，如以下公式(9)：
其中：α＝(α1,α2,Λ,αm)是组合参数，且αi满足高斯分布，即
公式(9)是人脸模型的最终表示形式，在公式(9)中，人脸模型中只要给定组合参数α，即产生相应的人脸模型Fmodel(α)。
进一步地，步骤2.2所述根据测地线恢复待复原面貌，即寻找合适的模型组合参数恢复出人脸模型的具体步骤如下：
步骤2.2.1，初始设α＝0，
其中
为平均脸；
步骤2.2.2，使用ICP算法确定模型Fmodel(α)与复原出的测地线G的对应点G'；
步骤2.2.3，根据测地线估计统计模型参数α，令G'-G＝hgα，其中hg是hi中与测地线点的对应的分量，采用最小二乘法求出新的系数α，即
步骤2.2.4，由模型参数更新人脸模型Fmodel(α)；
步骤2.2.5，反复迭代步骤2.2.2-步骤2.2.4，直至误差最小，求出待复原的三维人脸模型。
本发明不限于上述实施方式，本领域技术人员所做出的对上述实施方式任何显而易见的改进或变更，都不会超出本发明的构思和所附权利要求的保护范围。
Claims (3)
1.一种基于测地线的颅面复原统计模型方法，其特征在于，包括以下步骤：
步骤1，基于统计模型估计未知颅骨对应人脸的测地线：
步骤1.1，对经过预处理和配准好的颅面模型作为训练样本，从鼻尖点出发，所有颅面以相同的初始方向开始提取测地线，在每个颅面上以相等的角度间隔提取m条测地线，组成训练样本的测地线向量G如以下公式(1)所示：
G＝[G1,G2,…,Gm]T (1)；
步骤1.2，设一个颅骨向量为C＝[C1,C2,…,Cn]T，在颅骨对应的人脸上提取的测地线向量G＝[G1,G2,…,Gm]T，利用PCA建立统计模型如以下公式(2)所示：
步骤1.3，将公式(2)中的未知量合并，转化为以下公式(3)：
由公式(3)中的部分方程C＝Φcb，得到系数b如公式(4)所示：
步骤1.4，将根据训练样本求出的系数b和未知颅骨向量代入模型(2)即求出未知颅骨对应人脸的测地线；
步骤2，利用复原出的测地线恢复未知颅骨对应的人脸模型：
步骤2.1，建立人脸统计模型；
步骤2.2，寻找合适的模型组合参数恢复出人脸模型；
根据测地线求出对应的人脸，寻找相应的模型组合参数使得由测地线复原出的模型与统计模型的误差最小，即最小化min||Fmodel(α)-F*||，其中：F*是由测地线复原出的模型；
步骤2.2.1：初始设α＝0，
其中
为平均脸；
步骤2.2.2：确定模型Fmodel(α)与复原出的测地线G*的对应点G'；
步骤2.2.3：根据测地线估计统计模型参数α，令G'-G＝hgα，其中，hg是人脸统计模型主分量hi中与测地线点的对应的分量，采用最小二乘法求出新的系数α，即
步骤2.2.4：由模型参数更新人脸模型Fmodel(α)；
步骤2.2.5：反复迭代步骤2.2.2-步骤2.2.4，直至误差最小，求出待复原的三维人脸模型。
2.根据权利要求1所述的一种基于测地线的颅面复原统计模型方法，其特征在于，所述步骤2.1采用PCA方法建立人脸统计模型。
3.根据权利要求1所述的一种基于测地线的颅面复原统计模型方法，其特征在于，所述步骤2.2.2采用ICP算法确定Fmodel(α)与复原出的测地线G* 的对应点G'。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810971763.9A CN109146818B (zh) | 2018-08-24 | 2018-08-24 | 一种基于测地线的颅面统计复原方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810971763.9A CN109146818B (zh) | 2018-08-24 | 2018-08-24 | 一种基于测地线的颅面统计复原方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109146818A CN109146818A (zh) | 2019-01-04 |
| CN109146818B true CN109146818B (zh) | 2022-12-09 |
Family
ID=64827750
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810971763.9A Active CN109146818B (zh) | 2018-08-24 | 2018-08-24 | 一种基于测地线的颅面统计复原方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109146818B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109978998B (zh) * | 2019-04-03 | 2020-10-09 | 北京师范大学 | 一种基于面部软组织和形状空间的古人类颅面复原方法 |
| JP6751540B1 (ja) * | 2019-05-31 | 2020-09-09 | みずほ情報総研株式会社 | 形状予測システム、形状予測方法及び形状予測プログラム |
| CN110480075B (zh) * | 2019-08-26 | 2021-07-02 | 上海拓璞数控科技股份有限公司 | 基于点云数据的工件曲面轮廓补偿系统及方法及介质 |
| CN111798561A (zh) * | 2020-06-10 | 2020-10-20 | 青岛大学 | 一种基于测地线的颅面配准方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE19648052A1 (de) * | 1996-11-20 | 1998-06-04 | Siemens Ag | Verfahren zur 3-dimensionalen Rekonstruktion der Position von Teilobjekten eines Schädels |
| CN102073776A (zh) * | 2011-01-20 | 2011-05-25 | 西北大学 | 一种基于分区统计模型的颅面复原方法 |
| CN104537708B (zh) * | 2014-12-12 | 2017-05-17 | 北京师范大学 | 一种基于测地线的躺卧三维颅面模型的直立矫正方法 |
| CN106780591A (zh) * | 2016-11-21 | 2017-05-31 | 北京师范大学 | 一种基于颅面稠密对应点云的颅面形态分析及面貌复原方法 |
-
2018
- 2018-08-24 CN CN201810971763.9A patent/CN109146818B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE19648052A1 (de) * | 1996-11-20 | 1998-06-04 | Siemens Ag | Verfahren zur 3-dimensionalen Rekonstruktion der Position von Teilobjekten eines Schädels |
| CN102073776A (zh) * | 2011-01-20 | 2011-05-25 | 西北大学 | 一种基于分区统计模型的颅面复原方法 |
| CN104537708B (zh) * | 2014-12-12 | 2017-05-17 | 北京师范大学 | 一种基于测地线的躺卧三维颅面模型的直立矫正方法 |
| CN106780591A (zh) * | 2016-11-21 | 2017-05-31 | 北京师范大学 | 一种基于颅面稠密对应点云的颅面形态分析及面貌复原方法 |
Non-Patent Citations (6)
| Title |
|---|
| 3D statistical facial reconstruction;M.Berar 等，;《ISPA 2005. Proceedings of the 4th International Symposium on Image and Signal Processing and Analysis, 2005》;20051024;第2005年卷;第365-370页 * |
| Statistical 3D Cranio-Facial Models;Maxime Berar 等，;《The Sixth IEEE International Conference on Computer and Information Technology (CIT"06)》;20061204;第2006年卷;摘要、第2-3页 * |
| Statistically deformable face models for cranio-facial reconstruction;P. Claes 等，;《ISPA 2005. Proceedings of the 4th International Symposium on Image and Signal Processing and Analysis,2005》;20051224;第2005年卷;第348-349页 * |
| 奇和洞古人类头骨面貌的三维虚拟复原;税午阳 等，;《科学通报》;20180331;第63卷(第8期);第745-754页 * |
| 数据配准的颅骨面貌复原方法;税午阳 等，;《计算机辅助设计与图形学学报》;20110430;第23卷(第4期);第607-614页 * |
| 颅面统计复原关键技术研究;贺毅岳，;《中国博士学位论文全文数据库信息科技辑》;20131015;第2013年卷(第10期);第I138-110页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109146818A (zh) | 2019-01-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109146818B (zh) | 一种基于测地线的颅面统计复原方法 | |
| CN107622492B (zh) | 肺裂分割方法及系统 | |
| CN104851123B (zh) | 一种三维人脸变化模拟方法 | |
| Saikumar et al. | A novel implementation heart diagnosis system based on random forest machine learning technique. | |
| CN107230206B (zh) | 一种基于多模态数据的超体素序列肺部图像的3d肺结节分割方法 | |
| Langs et al. | Automatic quantification of joint space narrowing and erosions in rheumatoid arthritis | |
| Liu et al. | Automatic whole heart segmentation using a two-stage u-net framework and an adaptive threshold window | |
| Tu et al. | Automatic measurement algorithm of scoliosis Cobb angle based on deep learning | |
| CN109636910B (zh) | 一种基于深度生成对抗网络的颅面复原方法 | |
| JP7190059B2 (ja) | 画像のマッチング方法、装置、デバイス及び記憶媒体 | |
| Shui et al. | A PCA-Based method for determining craniofacial relationship and sexual dimorphism of facial shapes | |
| CN102509286A (zh) | 一种医学图像目标区域勾画方法 | |
| CN110189324B (zh) | 一种医学图像处理方法及处理装置 | |
| CN105069777A (zh) | 一种预备体网格模型的颈缘线自动提取方法 | |
| Tan et al. | An approach to extraction midsagittal plane of skull from brain CT images for oral and maxillofacial surgery | |
| CN113782184A (zh) | 一种基于面部关键点与特征预学习的脑卒中辅助评估系统 | |
| CN109316188A (zh) | 一种偏头痛脑功能连接模式的提取方法 | |
| CN102521875A (zh) | 一种基于张量空间偏最小二乘回归的颅面重构方法 | |
| CN110473206B (zh) | 一种基于超体素与测度学习的弥散张量图像分割方法 | |
| Liu et al. | Automatic muscle fiber orientation tracking in ultrasound images using a new adaptive fading Bayesian Kalman smoother | |
| CN113724320A (zh) | 一种基于形状先验的肾脏图像分割方法 | |
| Smith et al. | Automated torso contour extraction from clinical cardiac MR slices for 3D torso reconstruction | |
| WO2018201437A1 (zh) | 一种图像分割方法及系统 | |
| CN115813409B (zh) | 一种超低延迟的运动图像脑电图解码方法 | |
| CN111640127A (zh) | 一种用于骨科的精准临床诊断导航方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |