【技术实现步骤摘要】
本申请涉及计算机视觉软件领域，具体涉及一种基于机器学习的脑图谱绘制辅助系统及方法，尤其涉及一种基于深度学习的脑3d图像自动位姿矫正方法与系统。
技术介绍
1、对脑区进行数据分析需要对脑区数据进行配准。一般的，若拍摄对象受控，在拍摄位置和成像模式固定的前提下，例如核磁共振拍摄的数据位姿没有太大差异。若拍摄对象不受控，例如在拍摄的小鼠脑区时，其脑区图谱数据则可能因物体体积小，且拍摄方向或者任意摆放位置的问题，导致成像数据与标准脑谱图存在位姿差异，不对位姿差异进行校正，将无法对数据正确配准，因此脑区配准前往往需要大量的人工操作对脑区进行姿态矫正。基于此，有必要提出新的姿态矫正方法以减少人工操作。
技术实现思路
1、为了减少人工操作，同时缩减等待时间，有必要结合最新的人工智能技术，开发一种基于深度学习的脑3d图像自动位姿矫正方法，一定程度上实现自动矫正图像的偏转及轴向转换，利用投影数据计算位姿矫正步骤，并有效提升位姿矫正后的图像配准的准确率。
2、本申请提供了旨在提供一种基于深度学习的...
【技术保护点】
1.一种基于深度学习的脑3D图像自动位姿矫正方法，其特征在于，包括如下步骤：
2.如权利要求1所述的基于深度学习的脑3D图像自动位姿矫正方法，其特征在于，所述获取原始图像的三轴投影图像并对投影图像进行识别包括：
3.如权利要求2所述的基于深度学习的脑3D图像自动位姿矫正方法，其特征在于，所述构建投影面数据集包括选择模式动物的脑体3D数据，获取不同方向的截面和投影数据，对数据进行降噪处理，获取训练数据的原始数据以及外轮廓数据，外轮廓数据采用边缘算子提取，并对数据进行旋转、扭曲和裁剪，扩充数据集；所述训练模型采用轻量模型mobile-net；所述识...
【技术特征摘要】
1.一种基于深度学习的脑3d图像自动位姿矫正方法，其特征在于，包括如下步骤：
2.如权利要求1所述的基于深度学习的脑3d图像自动位姿矫正方法，其特征在于，所述获取原始图像的三轴投影图像并对投影图像进行识别包括：
3.如权利要求2所述的基于深度学习的脑3d图像自动位姿矫正方法，其特征在于，所述构建投影面数据集包括选择模式动物的脑体3d数据，获取不同方向的截面和投影数据，对数据进行降噪处理，获取训练数据的原始数据以及外轮廓数据，外轮廓数据采用边缘算子提取，并对数据进行旋转、扭曲和裁剪，扩充数据集；所述训练模型采用轻量模型mobile-net；所述识别结果包括使用训练后的识别模型对模式动物的脑体的投影面进行分类识别，获取冠状面、矢状面以及横截面。
4.如权利要求1所述的基于深度学习的脑3d图像自动位姿矫正方法，其特征在于，所述对冠状面和横截面进行对称轴识别、提取包括：
5.如权利要求4所述的基于深度学习的脑3d图像自动位姿矫正方法，其特征在于，所述计算冠状面和横截面的轴偏角度包括计算中轴线和垂直方向以及水平方向之间的夹角，以最小的夹角为旋转角度，对冠状面和横截面进行旋转纠正，其中，夹角计算公式为
6.如权利要求1所述的基于深度学习的脑3...
【专利技术属性】
技术研发人员：钟菁菁，柯薇，卢坚，赵陆伟，赵腾，
申请(专利权)人：光原科技杭州有限公司，
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。