买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：吉林大学

摘要：本发明涉及数据可视化技术领域，尤其涉及一种多模态融合的肛肠数据可视化分析方法及系统。该方法包括以下步骤：获取肛肠部位高清影像及实时肛肠生理信号参数；基于肛肠部位高清影像生成区域像素点亮度分布数据；基于区域像素点亮度分布数据进行全局亮度动态调整，以生成亮度调整肛肠图像；对实时肛肠生理信号参数进行小波变换分解，以生成肛肠信号频域数据；对肛肠信号频域数据进行趋势波动分析，得到信号频域波动趋势数据；基于亮度调整肛肠图像提取肛肠体素特征点；基于肛肠体素特征点进行三维布局结构分析，生成肛肠三维布局结构数据。本发明实现了高效、准确的肛肠数据可视化分析。

主权项：1.一种多模态融合的肛肠数据可视化分析方法，其特征在于，包括以下步骤：步骤S1：获取肛肠部位高清影像及实时肛肠生理信号参数；基于肛肠部位高清影像生成区域像素点亮度分布数据；基于区域像素点亮度分布数据进行全局亮度动态调整，以生成亮度调整肛肠图像；步骤S1的具体步骤为：步骤S11：获取肛肠部位高清影像及肛肠生理信号参数；步骤S12：对肛肠部位高清影像进行高斯滤波处理，以得到边缘增强部位影像；步骤S13：对边缘增强部位影像进行形态学分割，得到边缘增强肛肠区域图像；步骤S14：对边缘增强肛肠区域图像进行像素点亮度分布计算，生成区域像素点亮度分布数据；步骤S15：基于区域像素点亮度分布数据对边缘增强肛肠区域图像进行全局亮度动态调整，以生成动态亮度调整肛肠区域图像；其中，步骤S15的具体步骤为：对边缘增强肛肠区域图像进行边缘特征点识别，以提取边缘特征点；基于区域像素点亮度分布数据对边缘特征点进行局部细粒度亮度增强，得到局部增强区域图像；对局部增强区域图像进行亮度区域划分，得到高亮区域图像及低光区域图像；对高亮区域图像进行高亮像素压缩，生成高光压缩区域图像；基于区域像素点亮度分布数据对低光区域图像进行低亮像素点非线性映射增强，得到低亮补偿图像；对高光压缩区域图像及低亮补偿图像进行全局亮度动态调整，以生成动态亮度调整肛肠区域图像；步骤S2：对实时肛肠生理信号参数进行小波变换分解，以生成肛肠信号频域数据；对肛肠信号频域数据进行趋势波动分析，得到信号频域波动趋势数据；步骤S2的具体步骤为：步骤S21：对实时肛肠生理信号参数进行多模态特征融合，以得到实时肛肠特征融合参数；步骤S22：对实时肛肠特征融合参数进行小波变换分解，以生成肛肠信号频域数据；步骤S23：对肛肠信号频域数据进行信号间相关性分析，生成信号间依赖性数据；步骤S24：基于信号间依赖性数据对肛肠信号频域数据进行趋势波动分析，得到信号频域波动趋势数据；步骤S3：基于亮度调整肛肠图像提取肛肠体素特征点；基于肛肠体素特征点进行三维布局结构分析，生成肛肠三维布局结构数据；对肛肠三维布局结构数据进行三维点云重建，构建肛肠三维点云结构模型；步骤S3的具体步骤为：步骤S31：基于亮度调整肛肠图像构建二维体素网格；步骤S32：对二维体素网格进行特征点采样，以提取肛肠体素特征点；步骤S33：对肛肠体素特征点进行纹理细节轮廓识别，以得到肛肠纹理轮廓；步骤S34：基于肛肠纹理轮廓对亮度调整肛肠图像进行三维布局结构分析，生成肛肠三维布局结构数据；步骤S35：对肛肠三维布局结构数据进行三维点云重建，构建肛肠三维点云结构模型；步骤S4：对实时肛肠生理信号参数进行时序窗口划分，以得到多个时序窗口；基于多个时序窗口对时序肛肠生理信号参数及肛肠三维点云结构模型进行结构-参数动态交互分析，以生成结构-参数动态交互特征数据；步骤S4的具体步骤为：步骤S41：对实时肛肠生理信号参数进行时序分析，以得到时序肛肠生理信号参数；步骤S42：对时序肛肠生理信号参数进行时序窗口划分，以得到多个时序窗口；步骤S43：基于多个时序窗口对时序肛肠生理信号参数及肛肠三维点云结构模型进行跨模态时空关联性特征挖掘，生成跨模态时空关联特征数据；步骤S44：对跨模态时空关联特征数据进行结构-参数动态交互分析，以生成结构-参数动态交互特征数据；其中，步骤S43的具体步骤为：基于多个时序窗口对时序肛肠生理信号参数及肛肠三维点云结构模型进行时间信号对齐，并提取肛肠时域特征数据；基于肛肠时域特征数据对肛肠三维点云结构模型进行跨模态关联映射分析，生成多窗格跨模态关联映射关系；对多窗格跨模态关联映射关系进行关联关系拼接，生成时序关联特征序列；对时序关联特征序列进行隐式动态关联挖掘，生成跨模态时空关联特征数据；步骤S5：基于信号频域波动趋势数据对结构-参数动态交互特征数据进行滑动窗口短期趋势预测，以生成结构-参数短期趋势预测数据；基于结构-参数短期趋势预测数据生成结构-参数精细趋势预测数据；步骤S5的具体步骤为：步骤S51：对信号频域波动趋势数据进行周期趋势分析，生成周期频域趋势数据；步骤S52：基于周期频域趋势数据对结构-参数动态交互特征数据进行滑动窗口短期趋势预测，以生成结构-参数短期趋势预测数据；步骤S53：对结构-参数短期趋势预测数据进行动态参数精度优化，生成结构-参数精细趋势预测数据；步骤S6：利用结构-参数精细趋势预测数据对肛肠三维点云结构模型进行空间结构相对位移分析，生成全局结构动态形变轨迹；基于全局结构动态形变轨迹对肛肠三维点云结构模型进行多维可视化投影处理，构建肛肠可视化三维渲染模型；步骤S6的具体步骤为：步骤S61：利用结构-参数精细趋势预测数据对肛肠三维点云结构模型进行空间结构相对位移分析，以得到点云结构相对位移轨迹；步骤S62：基于点云结构相对位移轨迹进行全局动态形变位置更新，生成全局结构动态形变轨迹；步骤S63：基于全局结构动态形变轨迹对肛肠三维点云结构模型进行结构定位动态渲染，构建肛肠动态参数渲染模型；步骤S64：对肛肠动态参数渲染模型进行多维可视化投影处理，构建肛肠可视化渲染模型。

全文数据：

权利要求：

百度查询： 吉林大学 一种多模态融合的肛肠数据可视化分析方法及系统