申请/专利权人：中国科学院深圳先进技术研究院

申请日：2021-01-08

公开（公告）日：2024-07-05

公开（公告）号：CN112598790B

主分类号：G06T17/00

分类号：G06T17/00;G06N3/042;G06N3/0464;G06N3/09

优先权：

专利状态码：有效-授权

法律状态：2024.07.05#授权;2021.07.23#实质审查的生效;2021.04.02#公开

摘要：本申请提供了一种脑结构三维重建方法、装置及终端设备。该方法包括：获取脑部的2D图像，将所述脑部的2D图像输入到已训练的3D脑部点云重建模型中进行处理，输出得到所述脑部的3D点云；所述3D脑部点云重建模型包括：ResNet编码器和图卷积神经网络，所述ResNet编码器用于提取所述脑部的2D图像的编码特征向量，所述图卷积神经网络用于根据所述编码特征向量构建所述脑部的3D点云。基于本申请提供的脑结构三维重建方法可以将脑部的2D图像转化成脑部的3D点云，为医生提供更多的视觉信息，便于医生更好地进行诊疗。

主权项：1.一种脑结构三维重建方法，其特征在于，所述方法包括：获取脑部的2D图像，将所述脑部的2D图像输入到已训练的3D脑部点云重建模型中进行处理，输出得到所述脑部的3D点云；所述3D脑部点云重建模型包括：ResNet编码器和图卷积神经网络，所述ResNet编码器用于提取所述脑部的2D图像的编码特征向量，所述图卷积神经网络用于根据所述编码特征向量构建所述脑部的3D点云；其中，图卷积神经网络作为3D脑部点云重建模型的生成器，包括多组交替设置的分支模块和图卷积模块；将脑部的2D图像输入到ResNet编码器中，ResNet编码器提取2D图像的编码特征向量；ResNet编码器先将2D图像量化成具有一定均值和方差的且服从高斯分布的特征向量，再从特征向量中随机抽取预设维度的高维编码特征向量，并将编码特征向量传递给图卷积神经网络；所述编码特征向量即为输入图卷积神经网络的一个初始点云；图卷积神经网络中，分支模块用于扩充点云的个数，图卷积模块用于调整每个点云的位置坐标；其中，分支模块服从公式1： 公式1中，表示图卷积神经网络第l层网络中的第i个点云；表示图卷积神经网络第l+1层网络中的第i个点云；表示图卷积神经网络第l+1层网络中的第i+1个点云；表示图卷积神经网络第l+1层网络中的第i+n个点云；分支模块将上层中的每个点云的坐标分别复制成n个；若上层有a个点云，将每个点云的坐标复制成n个，则本层的分支模块将点云的个数扩充为a×n个，并将所述a×n个点云坐标传递给下一层；若图卷积神经网络中包括b个分支模块，且每个分支模块的扩展倍数相同，均为n，则ResNet编码器将一个初始点云输入到图卷积神经网络中后，图卷积神经网络中的每个分支模块将每个点云的坐标复制成n个，则图卷积神经网络最终生成的预测的3D点云中包含nb个点云；图卷积模块服从公式2： 公式2中，表示第l层中的K个感知机；为全连接层，表示第l层节点与第l+1层节点之间的映射关系；表示与第l层中第i个节点对应的第1至l-1层的所有节点的合集；为稀疏矩阵；表示第l层节点的各祖先节点到第l+1层节点的特征分布；bl为偏置参数；σ·表示激活函数。

全文数据：

权利要求：

百度查询： 中国科学院深圳先进技术研究院 脑结构三维重建方法、装置及终端设备

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD