【技术实现步骤摘要】
本申请属于数据转换领域，尤其涉及一种基于深度学习的图像数据转换方法、装置、设备及计算机可读存储介质。
技术介绍
1、在对膝关节网格图像数据进行裁剪后，容易导致补充缺失区域的操作未能成功完成或结果不符合预期，也即补面失败概率比较大。图1是本申请一个实施例提供的补面失败和成功的对比示意图。因为网格图像数据通常具有复杂的几何形状，包含各种不规则的边界和曲面。在裁剪过程中，如果几何形状过于复杂，补面算法可能难以准确地推断出缺失区域的形状和属性，导致补面失败。
2、为了降低补面失败概率，需要先将网格图像数据转换为像素图像数据进行处理后，再转回网格图像数据。
3、目前，传统的图像数据类型转换方法是通过投影方法，投影方法将网格图像投影到一个平面上，然后将投影结果作为像素图像。
4、但是，通过投影方法的图像数据方法，存在以下一些缺点：
5、形变失真：在进行投影时，网格图像的形状可能会发生变化，导致转换后的像素图像与原始图像存在形变失真。这可能会引入额外的误差，并影响后续的图像处理和分析任务。
...
【技术保护点】
1.一种基于深度学习的图像数据转换方法，其特征在于，包括：
2.根据权利要求1所述的基于深度学习的图像数据转换方法，其特征在于，包括：
3.根据权利要求1所述的基于深度学习的图像数据转换方法，其特征在于，对膝关节像素图像数据进行布尔计算，包括：
4.根据权利要求3所述的基于深度学习的图像数据转换方法，其特征在于，在对膝关节像素图像数据进行关节轮廓、骨骼结构的特征提取之前，还包括：
5.根据权利要求3所述的基于深度学习的图像数据转换方法，其特征在于，将特征图转换为二值图像，以进行布尔计算，包括：
6.根据权利要...
【技术特征摘要】
1.一种基于深度学习的图像数据转换方法，其特征在于，包括：
2.根据权利要求1所述的基于深度学习的图像数据转换方法，其特征在于，包括：
3.根据权利要求1所述的基于深度学习的图像数据转换方法，其特征在于，对膝关节像素图像数据进行布尔计算，包括：
4.根据权利要求3所述的基于深度学习的图像数据转换方法，其特征在于，在对膝关节像素图像数据进行关节轮廓、骨骼结构的特征提取之前，还包括：
5.根据权利要求3所述的基于深度学习的图像数据转换方法，其特征在于，将特征图转换为二值图像，以进行布尔计算，包括：
6.根据权利要求5所述的基于深度学习的图像数据...
【专利技术属性】
技术研发人员：张逸凌，刘星宇，
申请(专利权)人：北京长木谷医疗科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。