共查询到20条相似文献,搜索用时 46 毫秒
1.
2.
本文叙述由IBM PC/AT微机(或PDP 11/23)组成的一个神经元三维重构系统。三维重构简称CARN(Computer Aided 3-Dimensional Reconstruction ofNeurons from Serial Sections)。该系统实现了连续切片中神经元的三维重构。本文对神经元的数据结构、树突、轴突的样条处理,细胞体的三维重构及神经元的立体图对显示、参数测量作了详细介绍。 相似文献
3.
基于切片图像数据的轮廓曲线二维重构是轮廓表面三维重构的基础。单幅切片图像可能存在有单轮廓或多轮廓。本文对中国虚拟人切片图像进行分析,针对单幅切片图像里的多轮廓线情况,研究提出了多轮廓提取算法和拟合曲线建模算法。经编程实验,成功实现了单幅图像里的多轮廓二维重构。 相似文献
4.
5.
6.
7.
8.
三维网格简化是十分有意义的研究问题.研究中首先搭建了一个颅颌面CT切片图像三维重构系统.其次,在网格模型顶点删除算法的基础上,提出一种新的三角化所用判据.实验结果表明,应用这一判据,在避免了原算法通过迭代步骤完成三角化的不必要的大量计算的同时,简化模型与原算法结果属同一数量级别,在视觉上无显著差异. 相似文献
9.
10.
三维曲面重构技术在现实中有着广泛的应用,目前已经有多种三维曲面重构技术出现.本文通过对当前各种三维重构算法的研究,在DSI算法的基础上提出了一个三维曲面模型重构的新方法。该方法简捷直观,集成了其它方法的优点,而又避免了它们的不足。 相似文献
11.
本文介绍一个生物图形、图像处理系统。系统实现了脑和神经组织的三维重构、定量分析结合到脑和神经组织上的[~3H]。 相似文献
12.
13.
14.
目的 类脑计算,是指仿真、模拟和借鉴大脑神经网络结构和信息处理过程的装置、模型和方法,其目标是制造类脑计算机和类脑智能。方法 类脑计算相关研究已经有20多年的历史,本文从模拟生物神经元和神经突触的神经形态器件、神经网络芯片、类脑计算模型与应用等方面对国内外研究进展和面临的挑战进行介绍,并对未来的发展趋势进行展望。结果 与经典人工智能符号主义、连接主义、行为主义以及机器学习的统计主义这些技术路线不同,类脑计算采取仿真主义:结构层次模仿脑(非冯·诺依曼体系结构),器件层次逼近脑(模拟神经元和神经突触的神经形态器件),智能层次超越脑(主要靠自主学习训练而不是人工编程)。结论 目前类脑计算离工业界实际应用还有较大差距,这也为研究者提供了重要研究方向与机遇。 相似文献
15.
基于工业CT切片数据的CAD模型重构 总被引:1,自引:0,他引:1
为了使工业CT(computed tomography)扫描获得的切片数据能够被CAD软件直接处理并进行模型重构,在得到切片轮廓点坐标数据的基础上,提出了用IGES(Initial Graphics Exchange Specification)格式作为边缘轮廓坐标数据和CAD软件交换标准的方法,并采用VC^++设计了IGES格式转换软件。实现了IGES格式文件的生成,并用逆向软件Imageware重构出三维CAD模型,取得了较好的效果。 相似文献
16.
医学图像三维可视化中任意平面切片的研究与实现 总被引:1,自引:0,他引:1
对医学图像的三维重建技术进行研究,利用介于面绘制和体绘制之间的切片法来实现三维体数据可视化,并针对断层图像序列所生成三维体数据的切片方法进行了深入讨论。提出一种可操作性很强的切片方法,能较好地实现三维体数据中冠状面、矢状面、特别是任意平面的切片。同时,该方法已经用VC6.0结合VTK(Visualization Toolkit)编程进行实现,效果符合医学诊断要求,并得到了有关应用。 相似文献
17.
在一个多孔介质中流体物质的渗流依赖孔隙空间几何结构和拓扑结构特性。因此,描述介质特征及预测其流动特性最重要的第一步是对一个多孔介质的三维孔隙空间进行重构。有介于此,一种随机模拟技术被提了出来,应用二维切片训练图像重构一个三维的孔隙图像。这项技术基于从连续的二维多点统计模拟拟合多尺度二维调节数据提取的过程。单一标准方程模拟算法(SNESIM),最初作为一种模拟引擎,起到了对地质构造的曲线特征进行复制的作用。 相似文献
18.
脑电图在医疗诊断中发挥了重要作用,能够快速纪录脑内神经元活动产生的电信号并能在屏幕上清晰地成像。针对16导联设备设计了一种脑电图成像系统,可以有效地支持二维脑电地形图和三维脑电旋转图的显示。对于二维脑电地形图采取了对时域信号的频域变换以及克里金空间插值方法进行填充绘制;对于三维脑电旋转地形图采取了反向映射到二维平面像素点的方法加以实现,该方法的成像效果清晰,并避免使用外部库文件,最后对导联设备增加以及产品的进一步功能发展所面临的挑战作了简要的分析。 相似文献
19.
基于Kohonen神经网络的B样条曲面重构 总被引:1,自引:0,他引:1
探讨了三维散乱数据点的自由曲面自组织重构方法。建立了基于自组织特征映射神经网络的矩形网格重构模型及其训练算法。所建模型利用神经元对曲面散乱数据点的学习和训练来模拟曲面上点与点之间的内在关系,节点连接权向量集作为对散乱数据点集的工程近似化并重构曲面样本点的内在拓扑关系。通过该方法不仅能够对无规则散乱数据点进行逼近,并且通过该方法得到的曲面也可以作为后继曲面重构的初始曲面。仿真实验表明,所建神经网络模型可实现三维密集无规则数据点的曲面自组织重构集自压缩于一体。 相似文献
20.
采用二维平行轮廓线三维重建表面是三维建模研究领域的一项重要研究课题,具有非常广泛的应用领域.重建过程中计算量非常庞大,有效地化简重建的数据可以大大提高重建效率.文中提出了一种基于分析轮廓骨架点的表曲面重构算法.首先对CT切片进行预处理及图像分割,然后对轮廓线提取骨架,再进行骨架剪裁,最后采用模拟退火法进行三维重建.该算法使三维重构的数据大大化简,同时克服了局部优化算法中需交互指定初始连接边的缺点. 相似文献