冠状动脉支架置入已经成为冠状动脉粥样硬化性心脏病的重要治疗手段。
药物洗脱冠状动脉支架断裂(CSF)的识别与检测是目前的难点问题。
血管内光学相干层析成像(IVOCT)系统以其极高的成像分辨率在CSF识别与检测方面具有独特优势。
本文提出了一种在IVOCT中对冠状动脉支架精准重建的方法。
该方法利用金属支架具有成像阴影这一特征,在血管边界分割后,将支架及其一定深度阴影的强度值进行累加生成一维数组,然后将一维数组按照回撤次序排列构成支架展开图像。
与三维成像、纵切图像等支架重建方法相比,所提方法不仅可以保持支架的整体结构,而且避免了对操作人员空间想象力的要求。
本文利用所提重建方法定量识别和分析了CSF,该方法可针对不同的支架结构选择不同的IVOCT成像参数。
药物洗脱冠状动脉支架断裂(CSF)的识别与检测是目前的难点问题。
血管内光学相干层析成像(IVOCT)系统以其极高的成像分辨率在CSF识别与检测方面具有独特优势。
本文提出了一种在IVOCT中对冠状动脉支架精准重建的方法。
该方法利用金属支架具有成像阴影这一特征,在血管边界分割后,将支架及其一定深度阴影的强度值进行累加生成一维数组,然后将一维数组按照回撤次序排列构成支架展开图像。
与三维成像、纵切图像等支架重建方法相比,所提方法不仅可以保持支架的整体结构,而且避免了对操作人员空间想象力的要求。
本文利用所提重建方法定量识别和分析了CSF,该方法可针对不同的支架结构选择不同的IVOCT成像参数。
2017/6/11 22:15:36
11.5MB
1
针对平行束投影数据，经过直接反投影算法、滤波反投影算法和卷积反投影算法进行图像重建。
文件是三种算法的源程序。
文件是三种算法的源程序。
2019/7/1 10:53:01
2KB
1
多模光纤是一种厚散射介质,当目标图像经过多模光纤传输时将构成多种模式耦合,从而在光纤的输出端生成散斑图案。
基于深度学习对多模光纤成像进行复原,解决了厚散射介质成像失真的问题。
采用DenseUnet,并以散斑图样作为模型的输入来重建目标图像。
DenseUnet模型采用融合机制加深了网络的深度,提高了重建的准确性,并具有很好的鲁棒性。
实验结果表明,DenseUnet可以很好地对具有不同长度的多模光纤产生的散斑图像进行重建。
基于深度学习对多模光纤成像进行复原,解决了厚散射介质成像失真的问题。
采用DenseUnet,并以散斑图样作为模型的输入来重建目标图像。
DenseUnet模型采用融合机制加深了网络的深度,提高了重建的准确性,并具有很好的鲁棒性。
实验结果表明,DenseUnet可以很好地对具有不同长度的多模光纤产生的散斑图像进行重建。
2015/4/9 15:42:45
13.45MB
1
奇异谱分析方法用于对时间序列的周期分析，相对于功率谱分析而言，其优越性在于(1)不像通常的谱分析需要预先给定滤波周期，而是根据资料本身确定。
(2)能够通过成分重建做延伸预报。
(2)能够通过成分重建做延伸预报。
2019/9/14 9:29:05
6KB
1
我们实现了一个系统，可以从CT图像中将肺部从胸腔中分离出来，并且通过三维重建和三种横断面的显示实现可视化。
该系统是基于VisualStudio2013平台，借助VTK-7.0和Qt5.6开源库通过C++言语实现。
该系统是基于VisualStudio2013平台，借助VTK-7.0和Qt5.6开源库通过C++言语实现。
2015/6/11 5:47:57
27.64MB
1
详细讲解了稠密重建中常用的方法，SFM的析稀疏重建，和包括基于体素的稠密重建、基于点云扩散的三维稠密重建、基于深度图交融的稠密方法等。
2020/2/1 19:24:34
21.34MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB