CN111951241B - 一种水生动物运动过程中肌肉形变的测定与显示方法 - Google Patents
一种水生动物运动过程中肌肉形变的测定与显示方法 Download PDFInfo
- Publication number
- CN111951241B CN111951241B CN202010781091.2A CN202010781091A CN111951241B CN 111951241 B CN111951241 B CN 111951241B CN 202010781091 A CN202010781091 A CN 202010781091A CN 111951241 B CN111951241 B CN 111951241B
- Authority
- CN
- China
- Prior art keywords
- muscle
- animal
- video
- data
- size
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/80—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in fisheries management
- Y02A40/81—Aquaculture, e.g. of fish
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Farming Of Fish And Shellfish (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种水生动物运动过程中肌肉形变的测定与显示方法,包括:获得水生动物行为视频,将拍摄到的动物行为视频分解为一张张照片,供CT断层扫描时摆设动物姿势时用,通过真实动物的解剖与CT透视,精确提取某块肌肉的特征点,建立初步肌肉特征点方程组,根据野外视频中水生动物的姿势调整方程参数可获得水生动物运动过程这块肌肉的三维结构变化,肌肉形态的连续形变等信息;这些信息对生物学、医学研究具有极大的参考价值,另外,根据照片或视频就可计算出某块肌肉三维模型,再将些肌肉三维模型叠加到照片或真实拍摄视频中,可获得有肌肉活动透视效果的动物运动视频。
Description
技术领域
本发明属于动物运动力学的技术领域,具体涉及一种水生动物运动过程中肌肉形变的测定与显示方法。
背景技术
肌肉的活动牵引动物相关器官活动,完成动物各种运动功能。肌肉形态变化是反映肌肉活动的表征,是动物运动力学研究、运动系统疾病诊治的重要指标,另外,相关的数据可用于提高动物及人体运动相关影视广告的特技效果。
通过解剖能观察、测定动物肌肉的结构,对于活体动物,利用CT、核磁共振、活体肌肉荧光、偏振光等技术能获得肌肉静态透视图(吴佳君,2014;朱雨,等,2019;Olszewski etal.,2009;Camp et al.,2018),其中大型动物的结缔边界明显的完整肌肉可能可区分出来,但对于小型动物的肌肉及大型动物结缔边界不明显的肌肉在这些图中无法区分。在限制动物在特定装置内的条件下,利用超声波技术、活体肌肉荧光等可探测某些动物活体肌肉群轮廓的变化(Wakeling et al.,1999;Camp et al.,2018)。但是尚未见测定动物运动过程某一块完整肌肉清晰边界连续变化的报导。在动物不受限制尤其是野外拍摄的动物运动视频中,目前尚无法测定肌肉连续变化。有些影视广告作品中会在动物运动视频配有肌肉运动的卡通,但是逼真程度较粗。
因此,在动物运动肌肉变化测定中,目前未能解决的问题包括:1)难以测定结缔边界不明显的某一块完整肌肉的形态变化;2)难以测定在野外拍摄的视频中动物的肌肉形态变化;3)水生动物在水中运动时,这些问题会更难解决。
发明内容
本发明的主要目的在于克服现有技术的缺点与不足,提供一种水生动物运动过程中肌肉形变的测定与显示方法,能准确测定具体某一块肌肉三维形态结构随动物运动过程而变化的数据。
为了达到上述目的,本发明采用以下技术方案:
本发明提供的一种水生动物运动过程中肌肉形变的测定与显示方法,包括下述步骤:
获得水生动物行为视频,将拍摄到的动物行为视频分解为一张张照片,供CT断层扫描时摆设动物姿势时用;
获得CT断层扫描照片;
再将进行视频拍摄与CT断层扫描的动物解剖进行肌肉形态结构分析;
根据肌肉的解剖结构确定CT断层扫描数据中的肌肉边界,不同姿势下的CT断层扫描数据都作相同处理;
按标记好的CT断层扫描数据的肌肉边界将肌肉数据分离出来构建肌肉特征点方程组,利用肌肉特征点方程组不仅能描述动物特定姿势下某块肌肉的空间形态结构,同时也能描述动物运动过程中某块肌肉的空间形态结构变化过程;
分析个体大小与肌肉大小的数量关系,利用该个体大小与肌肉大小关系的方程组计算特定大小的动物某块肌肉的空间形态结构;
分析现场或野外拍摄视频中动物运动过程的肌肉形态变化过程,将现场或野外拍摄视频分解为一张张照片,根据照片中动物的大小与姿势,利用肌肉特征点方程组计算出某块或多块肌肉的空间形态结构。
作为优选的技术方案,获得动物行为视频的方法为:
用若干台摄像机从不用的角度拍一个动物的行为视频,获得动物运动过程身体各点的空间动态数据。
作为优选的技术方案,CT断层扫描包括:
限度扫描:按动物各活动关节的各个最大活动限制摆姿势进行CT断层扫描;
视频姿势扫描:按动物的行为视频中动物的不同姿势进行CT断层扫描。
作为优选的技术方案,在确定肌肉边界时,如果CT照片中所研究的某一块肌肉的边界模糊甚至根本没拍摄到边界,这时就要根据该肌肉的解剖结构尺寸以及相邻断层照片中已标记的肌肉边界数据来划分出边界。
作为优选的技术方案,构建肌肉特征点方程组的具体方法为:
先将CT断层扫描数据中将肌肉边界内的所有三维数据点全部分离出来,再精简数据,留下能勾勒肌肉三维较精细结构的主要特征点数据;
以这些主要特征点数据的空间距离和/或空间角度来扫描肌肉的空间形态;
不同姿势下的CT断层扫描数据都作相同处理;
建立肌肉不同特征点空间距离/或空间角度与动物姿势参数之间的关系式,形成肌肉特征点方程组。
作为优选的技术方案,所述分析个体大小与肌肉大小的数量关系,具体为:
取同种动物不同大小的个体,摆同一姿势分别进行CT断层扫描,再分别解剖这些动物获得所研究肌肉的空间尺寸,再将CT断层扫描数据中将肌肉边界内的所有三维数据点全部分离出来,精简特征点,建立肌肉不同特征点空间距离和/或空间角度与动物大小之间的关系式,形成分析个体大小与肌肉大小关系的方程组。
作为优选的技术方案,还包括获得肌肉透视效果视频,具体为:
将有特定空间形态结构的肌肉透视图叠加到照片中,再将这些照片连接成视频就可获得有肌肉活动透视效果的动物运动视频。
本发明与现有技术相比,具有如下优点和有益效果:
与已有的活体水生动物运动肌肉形态变化的测定与显示技术相比,本发明通过真实动物的解剖与根据动物运动姿势作断层CT透视,能准确测定具体某一块肌肉三维形态结构随动物运动过程而变化的数据,这些肌肉形态的连续形变等信息对生物学、医学研究很有参考价值。另外,可根据动物视频或照片就可计算出肌肉的三维结构模型,将此数字化肌肉再叠加到真实拍摄视频或照片中,透视感真实。
附图说明
图1是本实施例水生动物运动过程中肌肉形变的测定与显示方法的流程图;
图2(a)-图2(c)是本实施例部分CT断层扫描图片;
图3是本实施例罗非鱼大侧肌解剖图;
图4是本实施例含60000个特征数据点的罗非鱼大侧肌精细3D模型;
图5是本实施例含400个特征数据点的罗非鱼大侧肌精简3D模型;
图6(a)、图6(b)分别为罗非鱼大侧肌3D模型叠加到一般图、骨骼透视图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
实施例
如图1所示,本实施例一种水生动物运动过程中肌肉形变的测定与显示方法,要将动物运动过程中的具体某一块或多块肌肉的形态变化情况展现出来,肌肉形态的连续形变等数据对生物学、医学研究很有参考价值,另外,根据野外拍摄的视频或照片可计算出此数字化肌肉三维模型,再叠加到真实拍摄视频或照片中,获得有分析数据的透视效果;该测定与显示方法,包括下述步骤:
(1)获得到动物运动视频;为获得动物运动过程身体各点的空间动态数据,先用若干台摄像机从不用的角度拍一个动物的行为视频。因为视频是由连续的照片连续显示而成,现将拍摄到的动物行为视频分解为一张张照片,供CT断层扫描时摆设动物姿势时用。
更为具体的,本实施例使用软件(如edius)将拍摄到的实验动物的行为视频拆分成简单动作视频片段,接着使用软件(如Photoshop)将动作视频分解为单帧的姿势图片。
(2)获得信息丰富的CT断层扫描照片;CT断层扫描分两部分:一部分是限度扫描:按动物各活动关节的各个最大活动限制摆姿势进行CT断层扫描;第二部分是视频姿势扫描:按动物的行为视频中动物的不同姿势进行CT断层扫描。
更为具体的,本实施例中是根据单帧的姿势图片与关节活动范围摆设实验动物进行CT断层扫描。
(3)进行视频拍摄与CT断层扫描的动物解剖进行肌肉形态结构分析;如研究动物的某一块肌肉,就将该肌肉解剖分离出来,对肌肉的边界进行测定,分析特征部位。也可以解剖研究动物的多块肌肉甚至每一块肌肉。
(4)根据肌肉的解剖结构确定CT断层扫描数据中的肌肉边界;一个姿势的CT扫描照片可能会有一两千张甚至更多,在包括所研究肌肉的CT照片中标记出肌肉的边界。如果CT照片中所研究的某一块肌肉的边界模糊甚至根本没拍摄到边界,这时就要根据该肌肉的解剖结构尺寸以及相邻断层照片中已标记的肌肉边界数据来划分出边界。不同姿势下的CT断层扫描数据都作相同处理。
(5)再按标记好的CT断层扫描数据的肌肉边界将肌肉数据分离出来构建肌肉特征点方程组。先将CT断层扫描数据中将肌肉边界内的所有三维数据点全部分离出来,再精简数据,留下能勾勒肌肉三维较精细结构的主要特征点数据,以这些主要特征点的空间距离(有些可再加上空间角度)来扫描肌肉的空间形态。不同姿势下的CT断层扫描数据都作相同处理。建立肌肉不同特征点空间距离(有些可再加上空间角度)与动物姿势参数(如关节活动角度、脊椎主轴弯曲角度等)之间的关系式,形成肌肉特征点方程组。利用肌肉特征点方程组不仅可描述动物特定姿势下某块肌肉的空间形态结构,同时也可描述动物运动过程中某块肌肉的空间形态结构变化过程。
更为具体的,本实施例中的具体实现方式为:
利用Mimics软件实现3D成像→将3D成像数据导入CAD软件中→根据肌肉解剖边界数据筛选出含精细3D数字模型→精简数据形成特征数据点3D数字模型→分析特征点参数与动物姿势参数关系形成肌肉特征点方程组。
(6)分析个体大小与肌肉大小的数量关系,取所研究的同种动物不同大小的个体,摆同一姿势分别进行CT断层扫描,再分别解剖这些动物获得所研究肌肉的空间尺寸,再按上述步骤将CT断层扫描数据中将肌肉边界内的所有三维数据点全部分离出来,精简特征点,建立肌肉不同特征点空间距离(有些可再加上空间角度)与动物大小之间的关系式,形成分析个体大小与肌肉大小关系的方程组。利用该个体大小与肌肉大小关系的方程组计算特定大小的动物某块肌肉的空间形态结构。
(7)分析现场或野外拍摄视频中动物运动过程的肌肉形态变化过程。将现场或野外拍摄视频分解为一张张照片,根据照片中动物的大小与姿势,利用肌肉特征点方程组计算出某块(多块或每一块)肌肉的空间形态结构。如要获得肌肉透视效果视频,将有特定空间形态结构的肌肉透视图叠加到照片中,再将这些照片连接成视频就可获得有肌肉活动透视效果的动物运动视频。
更为具体的,肌肉特征点方程组分析现场或野外动物运动视频,获得动物运动过程中肌肉的三维结构变化过程数据,同时可将肌肉的三维结构变化叠加到视频中形成有肌肉活动透视效果的动物运动视频。
下面以罗非鱼为例对本实施例的技术方案做进一步的阐述:
研究目的:了解罗非鱼游泳过程的大侧肌的形态变化过程,为养殖、视频特技制作、鱼类运动力学研究作参考。
工艺过程:
先用若干台摄像机从不用的角度拍罗非鱼的行为视频→根据视频姿及关节活动范围摆设罗非鱼进行CT断层扫描→获得CT扫描图片(如图2(a)-图2(c)所示)→利用Mimics软件将CT扫描图片数据实现3D成像→将3D成像数据导入CAD软件中→每个姿势的数据中根据肌肉解剖数据(如图3所示)及骨骼参照系筛选出含60000个特征数据点的罗非鱼大侧肌精细3D数字模型(如图4所示)→筛选出含400个特征数据点的罗非鱼大侧肌粗轮廓3D数字模型(如图5所示)→建立能分析特定大小罗非鱼特定姿势大侧肌形态变化的肌肉特征点方程组。
利用罗非鱼大侧肌特征点方程组分析了健康罗非鱼与肌肉损伤罗非鱼在弯曲身体启动的过程。结果显示在健康罗非鱼在启动的过程中肌肉形态(如各特征点之间的距离)变化幅度大且明显,而在损伤肌肉的鱼体中,肌肉形态变化幅度小。另外,可将罗非鱼大侧肌3D模型叠加到一般照片中,可将叠加有肌肉3D模型的运动视频分帧图片连接成有肌肉三维结构动态变化透视效果的罗非鱼运动视频(如图6(a)和图6(b)所示)。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (5)
1.一种水生动物运动过程中肌肉形变的测定与显示方法,其特征在于,包括下述步骤:
获得水生动物行为视频,将拍摄到的动物行为视频分解为一张张照片,供CT断层扫描时摆设动物姿势时用;
获得CT断层扫描照片;
再将进行视频拍摄与CT断层扫描的动物解剖进行肌肉形态结构分析;
根据肌肉的解剖结构确定CT断层扫描数据中的肌肉边界,不同姿势下的CT断层扫描数据都作相同处理;
按标记好的CT断层扫描数据的肌肉边界将肌肉数据分离出来构建肌肉特征点方程组,利用肌肉特征点方程组不仅能描述动物特定姿势下某块肌肉的空间形态结构,同时也能描述动物运动过程中某块肌肉的空间形态结构变化过程;
所述构建肌肉特征点方程组的具体方法为:
先将CT断层扫描数据中将肌肉边界内的所有三维数据点全部分离出来,再精简数据,留下能勾勒肌肉三维较精细结构的主要特征点数据;
以这些主要特征点数据的空间距离和/或空间角度来扫描肌肉的空间形态;
不同姿势下的CT断层扫描数据都作相同处理;
建立肌肉不同特征点空间距离/或空间角度与动物姿势参数之间的关系式,形成肌肉特征点方程组;
分析个体大小与肌肉大小的数量关系,利用该个体大小与肌肉大小关系的方程组计算特定大小的动物某块肌肉的空间形态结构;所述分析个体大小与肌肉大小的数量关系,具体为:
取同种动物不同大小的个体,摆同一姿势分别进行CT断层扫描,再分别解剖这些动物获得所研究肌肉的空间尺寸,再将CT断层扫描数据中将肌肉边界内的所有三维数据点全部分离出来,精简特征点,建立肌肉不同特征点空间距离和/或空间角度与动物大小之间的关系式,形成分析个体大小与肌肉大小关系的方程组;
分析现场或野外拍摄视频中动物运动过程的肌肉形态变化过程,将现场或野外拍摄视频分解为一张张照片,根据照片中动物的大小与姿势,利用肌肉特征点方程组计算出某块或多块肌肉的空间形态结构。
2.根据权利要求1所述的一种水生动物运动过程中肌肉形变的测定与显示方法,其特征在于,获得动物行为视频的方法为:
用若干台摄像机从不用的角度拍一个动物的行为视频,获得动物运动过程身体各点的空间动态数据。
3.根据权利要求1所述的一种水生动物运动过程中肌肉形变的测定与显示方法,其特征在于,CT断层扫描包括:
限度扫描:按动物各活动关节的各个最大活动限制摆姿势进行CT断层扫描;
视频姿势扫描:按动物的行为视频中动物的不同姿势进行CT断层扫描。
4.根据权利要求1所述的一种水生动物运动过程中肌肉形变的测定与显示方法,其特征在于,在确定肌肉边界时,如果CT照片中所研究的某一块肌肉的边界模糊甚至根本没拍摄到边界,这时就要根据该肌肉的解剖结构尺寸以及相邻断层照片中已标记的肌肉边界数据来划分出边界。
5.根据权利要求1所述的一种水生动物运动过程中肌肉形变的测定与显示方法,其特征在于,还包括获得肌肉透视效果视频,具体为:
将有特定空间形态结构的肌肉透视图叠加到照片中,再将这些照片连接成视频就可获得有肌肉活动透视效果的动物运动视频。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010781091.2A CN111951241B (zh) | 2020-08-06 | 2020-08-06 | 一种水生动物运动过程中肌肉形变的测定与显示方法 |
JP2021128746A JP7101424B2 (ja) | 2020-08-06 | 2021-08-05 | 水生動物の運動過程における筋肉変形の測定及び表示方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010781091.2A CN111951241B (zh) | 2020-08-06 | 2020-08-06 | 一种水生动物运动过程中肌肉形变的测定与显示方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111951241A CN111951241A (zh) | 2020-11-17 |
CN111951241B true CN111951241B (zh) | 2023-07-18 |
Family
ID=73331493
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010781091.2A Active CN111951241B (zh) | 2020-08-06 | 2020-08-06 | 一种水生动物运动过程中肌肉形变的测定与显示方法 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7101424B2 (zh) |
CN (1) | CN111951241B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024069898A1 (ja) * | 2022-09-29 | 2024-04-04 | 三菱電機株式会社 | 行動判定装置、行動判定方法、及び行動判定プログラム |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103761392A (zh) * | 2014-01-23 | 2014-04-30 | 南京工程学院 | 类人机器人协同运动的肌肉力模型优化方法 |
CN105139442A (zh) * | 2015-07-23 | 2015-12-09 | 昆明医科大学第一附属医院 | 一种结合ct和mri二维图像建立人体膝关节三维仿真模型的方法 |
CN108055479A (zh) * | 2017-12-28 | 2018-05-18 | 暨南大学 | 一种动物行为视频的制作方法 |
CN110570515A (zh) * | 2019-09-03 | 2019-12-13 | 天津工业大学 | 一种利用ct图像进行人体骨骼三维建模的方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS55103835A (en) * | 1979-02-06 | 1980-08-08 | Softex Co Ltd | Method and apparatus for examining dynamic change of internal organ or the like of sensitive live small animal from outsite |
JP2003250382A (ja) | 2002-02-25 | 2003-09-09 | Matsushita Electric Works Ltd | 水棲生物の成育状態監視方法及びその装置 |
JP4271025B2 (ja) | 2003-12-26 | 2009-06-03 | アロカ株式会社 | X線ct装置 |
JP2017127562A (ja) | 2016-01-22 | 2017-07-27 | セイコーエプソン株式会社 | 運動情報取得装置および運動情報取得方法 |
JP6953187B2 (ja) | 2016-06-07 | 2021-10-27 | キヤノンメディカルシステムズ株式会社 | 医用画像診断装置及び医用画像処理装置 |
JP7143118B2 (ja) | 2018-05-23 | 2022-09-28 | 浜松ホトニクス株式会社 | 大腰筋領域画定装置および大腰筋領域画定方法 |
JP6709868B1 (ja) | 2019-03-06 | 2020-06-17 | 株式会社 ポーラ | 解析方法、解析システム及び解析プログラム |
-
2020
- 2020-08-06 CN CN202010781091.2A patent/CN111951241B/zh active Active
-
2021
- 2021-08-05 JP JP2021128746A patent/JP7101424B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103761392A (zh) * | 2014-01-23 | 2014-04-30 | 南京工程学院 | 类人机器人协同运动的肌肉力模型优化方法 |
CN105139442A (zh) * | 2015-07-23 | 2015-12-09 | 昆明医科大学第一附属医院 | 一种结合ct和mri二维图像建立人体膝关节三维仿真模型的方法 |
CN108055479A (zh) * | 2017-12-28 | 2018-05-18 | 暨南大学 | 一种动物行为视频的制作方法 |
CN110570515A (zh) * | 2019-09-03 | 2019-12-13 | 天津工业大学 | 一种利用ct图像进行人体骨骼三维建模的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111951241A (zh) | 2020-11-17 |
JP2022031225A (ja) | 2022-02-18 |
JP7101424B2 (ja) | 2022-07-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Carew et al. | Imaging in forensic science: five years on | |
Miki et al. | Classification of teeth in cone-beam CT using deep convolutional neural network | |
Stone et al. | Structure and variability in human tongue muscle anatomy | |
CN107909585B (zh) | 一种血管内超声影像的血管中内膜分割方法 | |
CN100387196C (zh) | 用于测量与疾病相关的组织变化的方法和系统 | |
CN101692286B (zh) | 医学图像三视图获取方法 | |
CN103249358B (zh) | 医用图像处理装置 | |
CN109978037A (zh) | 图像处理方法、模型训练方法、装置、和存储介质 | |
JP5295562B2 (ja) | フレキシブル3次元回転血管造影−コンピュータ断層撮影融合方法 | |
EP1398722A3 (en) | Computer aided processing of medical images | |
KR20190061041A (ko) | 이미지 프로세싱 | |
Woo et al. | Speech map: A statistical multimodal atlas of 4D tongue motion during speech from tagged and cine MR images | |
US20220383500A1 (en) | System and method for analyzing medical images based on spatio-temporal data | |
Kamiya | Deep learning technique for musculoskeletal analysis | |
CN116129235A (zh) | 一种脑梗ct到mri常规序列的医学图像跨模态合成方法 | |
CN111951241B (zh) | 一种水生动物运动过程中肌肉形变的测定与显示方法 | |
Hess et al. | Deep learning for multi-tissue segmentation and fully automatic personalized biomechanical models from BACPAC clinical lumbar spine MRI | |
DE112011104887T5 (de) | Darstellung von Orten in der medizinischen Diagnose | |
KR20200116278A (ko) | 치과 영상으로부터 피검체의 성별 및 연령을 판정하는 방법 및 이를 이용한 장치 | |
KR101657285B1 (ko) | 초음파 치료 시뮬레이션시스템 | |
Durgadevi et al. | Deep survey and comparative analysis of medical image processing | |
CN116152235A (zh) | 一种肺癌ct到pet的医学图像跨模态合成方法 | |
CN110428392A (zh) | 一种基于字典学习和低秩表示的医学图像融合方法 | |
US20180192944A1 (en) | Methods for monitoring compositional changes in a body | |
CN114708283A (zh) | 图像目标的分割方法、装置、电子设备及存储介质 |
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 |