摘要
本发明涉及深度学习与医学图像重建的交叉技术领域,尤其为一种基于混合表示增强的4D心脏重建运动模型方法,包括如下步骤:步骤S1、心脏模型参数化;步骤S2、生成初始3D模型;步骤S3、构建观测编码器;步骤S4、心脏运动恢复;步骤S5、网络模型训练;本发明通过DMTet算法将三维空间离散化为一个可变形的四面体网格,为后续模型训练捕捉到更精细的几何细节,而且在三维重建过程中使用混合表示增强方法,结合隐式表面表示和显示网格表示方法,在提出的观测编码器基础上,用于从各种不同的观测数据中提取特征,并将这些特征用于后续的心脏运动恢复,同时在运动恢复阶段中,使用GCN与GRU结合,从而帮助模型有效地处理空间和时间信息。
技术关键词
运动恢复
切片
网络模型训练
编码器
弱监督学习方法
心脏模型
多项式
数据
图像
顶点特征
网格方法
序列
编码特征
生成特征
系统为您推荐了相关专利信息
隧道断面
激光雷达
切片点云
一致性算法
地铁隧道
实例分割模型
安全设备
编码器模块
编码特征
多尺度特征
抓取控制方法
卷扬机构
抓取控制系统
滑动均值滤波
主控单元
对象检测模型
样本
文本
计算机可读指令
图像检测方法