CN116681841B - 断层重建的质量评估方法及存储介质 - Google Patents
断层重建的质量评估方法及存储介质 Download PDFInfo
- Publication number
- CN116681841B CN116681841B CN202310967446.0A CN202310967446A CN116681841B CN 116681841 B CN116681841 B CN 116681841B CN 202310967446 A CN202310967446 A CN 202310967446A CN 116681841 B CN116681841 B CN 116681841B
- Authority
- CN
- China
- Prior art keywords
- edge
- region
- model
- target
- fault
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000013441 quality evaluation Methods 0.000 title claims abstract description 37
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 238000010146 3D printing Methods 0.000 claims abstract description 39
- 238000007639 printing Methods 0.000 claims abstract description 21
- 238000011156 evaluation Methods 0.000 claims description 24
- 238000001303 quality assessment method Methods 0.000 claims description 20
- 238000005457 optimization Methods 0.000 claims description 17
- 238000005260 corrosion Methods 0.000 claims description 10
- 230000007797 corrosion Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 3
- 239000000654 additive Substances 0.000 abstract description 3
- 230000000996 additive effect Effects 0.000 abstract description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 3
- 239000013589 supplement Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 239000000284 extract Substances 0.000 description 3
- 239000011347 resin Substances 0.000 description 3
- 229920005989 resin Polymers 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000000149 argon plasma sintering Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 229910052704 radon Inorganic materials 0.000 description 1
- SYUHGPGVQRZVTB-UHFFFAOYSA-N radon atom Chemical compound [Rn] SYUHGPGVQRZVTB-UHFFFAOYSA-N 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003746 surface roughness Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Software Systems (AREA)
- Economics (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Architecture (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Computer Hardware Design (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及体积增材制造技术领域,具体为一种断层重建的质量评估方法及存储介质,包括以下步骤:提取断层重建模型的边缘区域;将所述边缘区域作为质量评估模型的输入得到边缘误差;基于所述边缘误差判断所述断层重建模型是否达到3D打印精度;若否,则优化迭代所述断层重建模型的边缘区域和打印模型的边缘区域的偏差,直至达到所述3D打印精度,是对重建目标边缘区域的质量评估方法,更为直观的表征断层重建精度。
Description
技术领域
本申请属于体积增材制造技术领域,具体为一种断层重建的质量评估方法及存储介质。
背景技术
体积增材制造(VAM)由于其低表面粗糙度和高打印效率,近年来在3D打印的发展中得到了显著进步。VAM的断层重建技术作为VAM的一种主要实现方式,其技术原理源于计算机断层扫描技术(CT)和傅立叶切片定理。其实现过程为:在VAM打印过程中,一系列2D光学图案(或称为图像集)被投影到可旋转的容器中,该旋转容器内装满感光树脂;打印过程中,旋转容器在旋转的过程中,投影仪不断改变光学图样对容器进行投影照射;容器内的感光树脂经过几秒至几分钟的持续照射后,形成预期的3D固体结构,最终实现3D打印。
但是,在实际打印过程中,由于投影光受到光散射与发散光光混叠的影响,直接将雷登变换得到的图像集投影到感光树脂容器中,将无法得到高精度的打印结果。目标边缘区域作为目标与背景的过度区域,目标边缘区域重建的准确性也直接决定了3D打印的精度。现有技术中的断层重建质量评估方法缺乏对目标边缘区域重建准确性的直接评价。因此,如何对目标边缘区域重建的质量评估,准确评估断层重建的精度,成为亟待解决的问题。
发明内容
本说明书一个或多个实施例的目的是提供一种断层重建的质量评估方法,是对重建目标边缘区域的质量评估方法,更为直观的表征断层重建精度。
为解决上述技术问题,本说明书一个或多个实施例是这样实现的:
第一方面,提供了一种断层重建的质量评估方法,包括以下步骤:提取断层重建模型的边缘区域;将所述边缘区域作为质量评估模型的输入得到边缘误差;基于所述边缘误差判断断层重建模型是否达到3D打印精度;若否,则优化迭代所述断层重建模型和打印模型的边缘区域的偏差,直至达到所述3D打印精度。
第二方面,提供了一种存储介质,用于计算机可读存储,所述存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行时,实现如根据上文所述的断层重建的质量评估方法。
由以上本说明书一个或多个实施例提供的技术方案可见,本发明实施例提供的断层重建的质量评估方法是在构建断层重建目标之后提取断层重建模型的边缘区域;将边缘区域作为质量评估模型的输入得到边缘误差;基于边缘误差判断断层重建模型是否达到3D打印精度;若否则优化迭代断层重建模型的边缘区域和打印模型的边缘区域的偏差,直至达到3D打印精度。在VAM断层重建模型中,边缘区域作为目标区域与背景区域的过度区域,边缘区域重建的准确性也直接决定了3D打印精度与表面光滑度。因此,本发明在现有评估方法的基础上,提出了边缘误差的评估方法,可以更为直观的表征断层重建的精度,是对现有评估方法的进一步补充。
附图说明
为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案,下面将对一个或多个实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本说明书中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例提供断层重建的质量评估方法的流程示意图;
图2是根据本发明实施例提供的断层重建的质量评估方法中目标边缘内部邻近区域的目标边缘外部邻近区域的分布示意图;
图3是根据本发明实施例提供的断层重建的质量评估方法中提取目标边缘内部邻近区域和目标边缘外部邻近区域的方法示意图;
图4是图3所示断层重建的质量评估方法中提取得到的目标边缘内部邻近区域和目标边缘外部邻近区域的示意图;
图5是根据本发明实施例提供的断层重建的质量评估方法的使用场景示意图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案,下面将结合本说明书一个或多个实施例中的附图,对本说明书一个或多个实施例中的技术方案进行清楚、完整地描述,显然,所描述的一个或多个实施例仅仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的一个或多个实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本文件的保护范围。
本发明实施例提供的断层重建的质量评估方法,是对重建目标边缘区域的质量评估方法,更为直观的表征断层重建精度。下面将详细地描述本说明书实施例提供的断层重建的质量评估方法及其各个步骤。
实施例一
参照图1所示,为本发明实施例提供的断层重建的质量评估方法,包括以下步骤:S20:提取断层重建模型的边缘区域;S30:将边缘区域作为质量评估模型的输入得到边缘误差;S40:基于边缘误差判断断层重建模型是否达到3D打印精度;若否,则S10:优化迭代断层重建模型的边缘区域和打印模型的边缘区域的偏差,直至达到3D打印精度。
断层重建的质量评估方法是在完成断层重建模型的构建之后,对构建的断层重建模型进行质量评估的一种方法。可以是在3D打印前通过该图像集对应的断层重建结果的误差计算,实现打印前的优化效果评估,然后对图像集进行优化叠加修正,确保3D打印的精度和效果。
可选地,本发明实施例提供的断层重建的质量评估方法中,基于边缘误差判断是否达到3D打印精度之后,还包括:基于优化迭代后的断层重建目标执行3D打印。
断层重建模型的边缘区域作为目标区域与背景区域的过度区域,边缘区域重建的准确性直接决定了3D打印的精度,但是现有技术缺乏对边缘区域重建准确性的直接评价。本发明实施例在现有评估方法的基础上,提出了边缘误差评估方法EdgeE,是对现有评估方法的进一步补充。
本发明实施例提供断层重建的质量评估方法中断层重建质量评估模型既可用于断层重建目标优化迭代过程中优化程度的评估参考,也可用于优化迭代结束后断层重建质量的最终表征。其使用流程如下,流程图如图5所示:
(1)载入原始几何模型,图中右下角虚线框外侧需要边缘区域提取的原始几何模型;
(2)提取原始几何模型的目标边缘内部邻近区域和目标边缘外部邻近区域;
(3)计算边缘误差EdgeE,进入重建模型优化迭代循环,并计算每次优化迭代得到断层重建模型的边缘误差,直至基于边缘误差判断出断层重建模型的边缘区域和打印模型的边缘区域的偏差满足3D打印精度,这里的打印模型为图5中左上角虚框内的模型结构;
(4)优化迭代结束,获得最终的断层重建模型的结构与图像集;
(5)将图像集传入投影仪,进行投影打印。
可选地,本发明实施例提供的断层重建的质量评估方法中,边缘区域包括目标边缘内部邻近区域和目标边缘外部邻近区域,提取断层重建模型的边缘区域之前,还包括:确定断层重建模型的边缘线;以边缘线以内设定宽度范围为目标边缘内部邻近区域,以边缘线以外设定宽度范围为目标边缘外部邻近区域。
如图2所示,目标边缘内部邻近区域为边缘线以内、N个像素宽度范围内的区域。目标边缘外部邻近区域为边缘线以外、N个像素宽度范围的区域。N的取值由实际3D打印精度确定,3D打印精度越高,N取值越小,典型值为3。
可选地,如图3和图4所示,本发明实施例提供的断层重建的质量评估方法中,提取断层重建模型的边缘区域,具体包括:对断层重建模型进行腐蚀处理,得到腐蚀区域;将断层重建模型减去腐蚀区域,得到目标边缘内部邻近区域。
对断层重建结构中的断层重建模型进行腐蚀处理,用于腐蚀处理的结构元素为中心对称N×N正方形,边长N为奇数的结构(本发明选用3×3结构),得到如图3中的腐蚀区域;将断层重建模型与腐蚀区域相减,即可得到断层重建模型的目标边缘内部邻近区域,如图4所示。
可选地,如图3和图4所示,本发明实施例提供的断层重建的质量评估方法,提取断层重建模型的边缘区域,具体包括:对对断层重建模型进行膨胀处理,得到膨胀区域;将膨胀区域减去断层重建模型,得到目标边缘外部邻近区域。
对断层重建结构中的断层重建模型进行膨胀处理,用于膨胀处理的结构元素为中心对称N×N正方形,边长N为奇数的结构(本发明选用3×3结构),得到如图3的中膨胀区域;将膨胀区域与断层重建模型相减,即可得到断层重建模型的目标边缘外部邻近区域,如图4所示。
可选地,本发明实施例提供的断层重建的质量评估方法,将边缘区域作为质量评估模型的输入得到边缘误差之前,还包括建立质量评估模型,具体包括:分别计算目标边缘内部邻近区域的体素误差率和目标边缘外部邻近区域的体素误差率;基于目标边缘内部邻近区域的体素误差率和目标边缘外部邻近区域的体素误差率得到边缘误差。
质量评估模型由两部分组成:一是目标边缘内部邻近区域的体素误差率(IPEER),二是目标边缘外部邻近区域的体素误差率(OPEER)。
可选地,本发明实施例提供的断层重建的质量评估方法,计算目标边缘内部邻近区域的体素误差率,具体包括:采用下面公式计算目标边缘内部邻近区域的体素误差率:
(1)
其中,fi,i为第i次迭代的断层重建模型透射光能量分布,RIPE为i目标边缘内部邻近区域,为目标边缘内部邻近区域内的体素总数。TH为当前迭代状态下的误差评价阈值,可选地,本发明实施例提供的断层重建的质量评估方法,当前迭代状态下的误差评价阈值TH的计算公式为:
(2)
其中,为断层重建模型区域,/>为背景区域。
可选地,本发明实施例提供的断层重建的质量评估方法,计算目标边缘外部邻近区域的体素误差率,具体包括:
采用下面公式计算目标边缘外部邻近区域的体素误差率:
(3)
其中,ROPE为目标边缘外部邻近区域,为目标边缘外部邻近区域内的体素总数。
边缘误差EdgeE的计算表达式为:
(4)
其中,为断层重建模型,/>为断层重建目标的背景区域。
通过以上分析可以看出,本发明实施例提供的断层重建的质量评估方法是在构建断层重建目标之后提取断层重建模型的边缘区域;将边缘区域作为质量评估模型的输入得到边缘误差;基于边缘误差判断断层重建模型是否达到3D打印精度;若否则优化迭代断层重建模型的边缘区域和打印模型的边缘区域的偏差,直至达到3D打印精度。在VAM断层重建结构中,目标边缘区域作为目标与背景的过度区域,目标边缘区域重建的准确性也直接决定了3D打印精度与表面光滑度。因此,本发明在现有评估方法的基础上,提出了边缘误差的评估方法,可以更为直观的表征断层重建的精度,是对现有评估方法的进一步补充。
实施例二
本发明实施例提供一种存储介质,用于计算机可读存储,所述存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行时,实现如根据上文所述的断层重建的质量评估方法。该断层重建的质量评估方法,包括以下步骤:S20:提取断层重建模型的边缘区域;S30:将边缘区域作为质量评估模型的输入得到边缘误差;S40:基于边缘误差判断断层重建模型是否达到3D打印精度;若否,则S10:优化迭代断层重建模型的边缘区域和打印模型的边缘区域的偏差,直至达到3D打印精度。
断层重建的质量评估方法是在完成断层重建结构的构建之后,对构建的断层重建结构进行质量评估的一种方法。可以是在3D打印前通过该图像集对应的重建结果的误差计算,实现打印前的优化效果评估,然后对图像集进行优化修正,确保3D打印的精度和效果。
可选地,本发明实施例提供的断层重建的质量评估方法中,基于边缘误差判断断层重建模型是否达到3D打印精度之后,还包括:基于优化迭代后的断层重建目标执行3D打印。
断层重建模型的边缘区域作为目标区域与背景区域的过度区域,边缘区域重建的准确性直接决定了3D打印的精度,但是现有技术缺乏对边缘区域重建准确性的直接评价。本发明实施例在现有评估方法的基础上,提出了边缘误差评估方法EdgeE,是对现有评估方法的进一步补充。
本发明实施例提供断层重建的质量评估方法中断层重建质量评估模型既可用于断层重建目标优化迭代过程中优化程度的评估参考,也可用于优化迭代结束后断层重建质量的最终表征。其使用流程如下,流程图如图5所示:
(1)载入原始几何模型,图中右下角虚线框外侧需要边缘区域提取的原始几何模型;
(2)提取原始几何模型的目标边缘内部邻近区域和目标边缘外部邻近区域;
(3)计算边缘误差EdgeE,进入重建模型优化迭代循环,并计算每次优化迭代得到断层重建模型的边缘误差,直至基于边缘误差判断出断层重建模型的边缘区域和打印模型的边缘区域的偏差满足3D打印精度,打印模型是输入至重建模型优化过程的参照目标,断层重建模型的精度需要与该参照目标比较确定是否满足3D打印精度;
(4)优化迭代结束,获得最终的断层重建模型的结构与图像集;
(5)将图像集传入投影仪,进行投影打印。
通过以上分析可以看出,本发明实施例提供的断层重建的质量评估方法是在构建断层重建目标之后提取断层重建模型的边缘区域;将边缘区域作为质量评估模型的输入得到边缘误差;基于边缘误差判断断层重建模型是否达到3D打印精度;若否则优化迭代断层重建模型的边缘区域和打印模型的边缘区域的偏差,直至达到3D打印精度。在VAM断层重建结构中,目标边缘区域作为目标与背景的过度区域,目标边缘区域重建的准确性也直接决定了3D打印精度与表面光滑度。因此,本发明在现有评估方法的基础上,提出了边缘误差的评估方法,可以更为直观的表征断层重建的精度,是对现有评估方法的进一步补充。
总之,以上所述仅为本说明书的较佳实施例而已,并非用于限定本说明书的保护范围。凡在本说明书的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本说明书的保护范围之内。
上述一个或多个实施例阐明的***、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于***实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
Claims (6)
1.一种断层重建的质量评估方法,其特征在于,包括以下步骤:
提取断层重建模型的边缘区域;
将边缘区域作为质量评估模型的输入得到边缘误差;
基于所述边缘误差判断所述断层重建模型是否达到3D打印精度;
若否,则优化迭代所述断层重建模型的边缘区域和打印模型的边缘区域的偏差,直至达到所述3D打印精度;
所述边缘区域包括目标边缘内部邻近区域和目标边缘外部邻近区域,所述提取断层重建模型的边缘区域之前,所述方法,还包括:
确定所述断层重建模型的边缘线;
以所述边缘线以内设定宽度范围为目标边缘内部邻近区域,以所述边缘线以外设定宽度范围为目标边缘外部邻近区域;
所述提取断层重建模型的边缘区域,具体包括:
对所述断层重建模型进行腐蚀处理,得到腐蚀区域;
将所述断层重建模型减去所述腐蚀区域,得到目标边缘内部邻近区域;
所述提取断层重建模型的边缘区域,具体包括:
对所述断层重建模型进行膨胀处理,得到膨胀区域;
将所述膨胀区域减去所述断层重建模型,得到目标边缘外部邻近区域;
将边缘区域作为质量评估模型的输入得到边缘误差之前,所述方法还包括建立所述质量评估模型,具体包括:
分别计算所述目标边缘内部邻近区域的体素误差率和所述目标边缘外部邻近区域的体素误差率;
基于所述目标边缘内部邻近区域的体素误差率和所述目标边缘外部邻近区域的体素误差率得到边缘误差。
2.根据权利要求1所述的断层重建的质量评估方法,其特征在于,计算所述目标边缘内部邻近区域的体素误差率,具体包括:
采用下面公式计算目标边缘内部邻近区域的体素误差率:
(1)
其中,fi,i为第i次迭代的重建结构光分布,RIPE为目标边缘内部邻近区域,为目标边缘内部邻近区域内的体素总数;TH为当前迭代状态下的误差评价阈值。
3.根据权利要求2所述的断层重建的质量评估方法,其特征在于,计算所述目标边缘外部邻近区域的体素误差率,具体包括:
采用下面公式计算目标边缘外部邻近区域的体素误差率:
(3)
其中,ROPE为目标边缘外部邻近区域,为目标边缘外部邻近区域内的体素总数。
4.根据权利要求2-3任一项所述的断层重建的质量评估方法,其特征在于,当前迭代状态下的误差评价阈值TH的计算公式为:
(2)
其中,为断层重建模型的区域,/>为断层重建模型的背景区域。
5.根据权利要求1所述的断层重建的质量评估方法,其特征在于,基于边缘误差判断断层重建模型是否达到3D打印精度之后,所述方法,还包括:
基于优化迭代后的所述断层重建目标执行3D打印。
6.一种存储介质,其特征在于,用于计算机可读存储,所述存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行时,实现如根据权利要求1至3中任一项所述的断层重建的质量评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310967446.0A CN116681841B (zh) | 2023-08-03 | 2023-08-03 | 断层重建的质量评估方法及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310967446.0A CN116681841B (zh) | 2023-08-03 | 2023-08-03 | 断层重建的质量评估方法及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116681841A CN116681841A (zh) | 2023-09-01 |
CN116681841B true CN116681841B (zh) | 2023-10-20 |
Family
ID=87785881
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310967446.0A Active CN116681841B (zh) | 2023-08-03 | 2023-08-03 | 断层重建的质量评估方法及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116681841B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108381905A (zh) * | 2018-03-21 | 2018-08-10 | 北京印刷学院 | 基于八叉树误差扩散的3d打印色彩呈现方法和装置 |
CN110223378A (zh) * | 2019-05-28 | 2019-09-10 | 中国科学院自动化研究所 | 基于层次聚类的二次曲面基元提取方法、***、装置 |
CN110619680A (zh) * | 2019-10-23 | 2019-12-27 | 浙江大学深圳研究院 | 一种基于图变分的三维断层相位显微镜重建方法 |
CN110763680A (zh) * | 2019-11-07 | 2020-02-07 | 郑州铁路职业技术学院 | 一种医学3d打印模型测量分析*** |
CN112767481A (zh) * | 2021-01-21 | 2021-05-07 | 山东大学 | 一种基于视觉边缘特征的高精度定位及建图方法 |
CN113334773A (zh) * | 2021-06-11 | 2021-09-03 | 电子科技大学 | 一种基于自适应分层的3d打印成型方向多目标优化方法 |
WO2022095704A1 (en) * | 2020-11-03 | 2022-05-12 | Ossfila Technology Limited | 3d printing calibration artifact, method for 3d printing calibration and 3d printer |
CN115946344A (zh) * | 2022-12-30 | 2023-04-11 | 深圳市智能派科技有限公司 | 一种基于光固化打印设备的打印效果质量检测方法及装置 |
CN116330664A (zh) * | 2023-03-29 | 2023-06-27 | 东莞中科云计算研究院 | 一种基于图像形态学运算的3d打印精度控制方法和*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017200527A1 (en) * | 2016-05-16 | 2017-11-23 | Hewlett-Packard Development Company, L.P. | Generating a shape profile for a 3d object |
-
2023
- 2023-08-03 CN CN202310967446.0A patent/CN116681841B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108381905A (zh) * | 2018-03-21 | 2018-08-10 | 北京印刷学院 | 基于八叉树误差扩散的3d打印色彩呈现方法和装置 |
CN110223378A (zh) * | 2019-05-28 | 2019-09-10 | 中国科学院自动化研究所 | 基于层次聚类的二次曲面基元提取方法、***、装置 |
CN110619680A (zh) * | 2019-10-23 | 2019-12-27 | 浙江大学深圳研究院 | 一种基于图变分的三维断层相位显微镜重建方法 |
CN110763680A (zh) * | 2019-11-07 | 2020-02-07 | 郑州铁路职业技术学院 | 一种医学3d打印模型测量分析*** |
WO2022095704A1 (en) * | 2020-11-03 | 2022-05-12 | Ossfila Technology Limited | 3d printing calibration artifact, method for 3d printing calibration and 3d printer |
CN112767481A (zh) * | 2021-01-21 | 2021-05-07 | 山东大学 | 一种基于视觉边缘特征的高精度定位及建图方法 |
CN113334773A (zh) * | 2021-06-11 | 2021-09-03 | 电子科技大学 | 一种基于自适应分层的3d打印成型方向多目标优化方法 |
CN115946344A (zh) * | 2022-12-30 | 2023-04-11 | 深圳市智能派科技有限公司 | 一种基于光固化打印设备的打印效果质量检测方法及装置 |
CN116330664A (zh) * | 2023-03-29 | 2023-06-27 | 东莞中科云计算研究院 | 一种基于图像形态学运算的3d打印精度控制方法和*** |
Non-Patent Citations (2)
Title |
---|
Characterization of particle shape of nickel-based superalloy powders using image processing techniques;Li-Chong Zhang et al.;《Powder Technology》;787-801 * |
基于逆向工程和3D打印技术的骨骼重建研究;刘江豪;《中国优秀硕士学位论文全文数据库 基础科学辑》(第03期);论文第2章 * |
Also Published As
Publication number | Publication date |
---|---|
CN116681841A (zh) | 2023-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Cross-based local stereo matching using orthogonal integral images | |
US20090052796A1 (en) | Match, Expand, and Filter Technique for Multi-View Stereopsis | |
Berger et al. | Motion compensation for cone-beam CT using Fourier consistency conditions | |
CN108292428A (zh) | 图像重建的***和方法 | |
Bruder et al. | Adaptive iterative reconstruction | |
US20140161352A1 (en) | Iterative method for determining a two-dimensional or three-dimensional image on the basis of signals arising from x-ray tomography | |
US11734892B2 (en) | Methods for three-dimensional reconstruction of transparent object, computer devices and storage mediums | |
CN110223261A (zh) | 医学图像处理方法和***、存储介质及计算机设备 | |
US20150103968A1 (en) | Computed Tomography (CT) Image Reconstruction Method | |
CN104899919A (zh) | 一种建模方法及装置 | |
US20180218514A1 (en) | Determining a complexity value of a stenosis or a section of a vessel | |
CN116681841B (zh) | 断层重建的质量评估方法及存储介质 | |
Díaz et al. | A fast scatter field estimator for digital breast tomosynthesis | |
Chen et al. | Joint-MAP tomographic reconstruction with patch similarity based mixture prior model | |
US20130066219A1 (en) | Method for Assessing The Efficacy of a Flow-Diverting Medical Device in a Blood Vessel | |
US11232612B2 (en) | Highly accurate and efficient forward and back projection methods for computed tomography | |
CN112053411A (zh) | 一种pet图像的重建方法及装置 | |
CN110221516B (zh) | 辅助图形的添加方法、添加装置、存储介质和处理器 | |
Feng et al. | A method for lung boundary correction using split Bregman method and geometric active contour model | |
Zia et al. | Active Contour Model for Image Segmentation | |
CN105488824B (zh) | 一种重建pet图像的方法和装置 | |
CN116681840B (zh) | 用于断层重建的osmo优化改进方法及存储介质 | |
CN103207946A (zh) | 基于截断奇异值和全变分的闪光照相客体正则化重建方法 | |
CN112116524A (zh) | 一种街景图像立面纹理的纠正方法及装置 | |
Fetita et al. | Volumetric quantification of airway wall in CT via collision-free active surface model: application to asthma assessment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |