本申請?zhí)峁┝艘环N基于操作場景全局捕獲的日志智能封裝生成方法、裝置、設備及計算機可讀存儲介質(zhì)。該基于操作場景全局捕獲的日志智能封裝生成方法，包括：在創(chuàng)建應用程序的時候，采用繼承的方式對應用程序進行子類創(chuàng)建，以繼承應用程序的屬性和方法；對用...

本申請?zhí)峁┝艘环N程序安全恢復方法、裝置、設備及計算機可讀存儲介質(zhì)。該程序安全恢復方法，包括：在軟件使用過程中，記錄每個預設的關鍵位置斷點對應的數(shù)據(jù)；在軟件程序崩潰的情況下，獲取對應的斷點文件中存儲的斷點續(xù)存數(shù)據(jù)；加載填充斷點續(xù)存數(shù)據(jù)，直...

本申請?zhí)峁┝艘环N機器人全場景智能更新同步顯示方法、裝置、設備及計算機可讀存儲介質(zhì)。該機器人全場景智能更新同步顯示方法，包括：在機器人系統(tǒng)的共享內(nèi)存中，寫入器將帶有時間戳的NDI資源數(shù)據(jù)，以α的速率持續(xù)更新至共享內(nèi)存中；讀取器以λ的速率，...

本申請?zhí)峁┝艘环N機器人主動光學跟蹤定位系統(tǒng)，包括：末端連接件，其適于與手術機器人的機械臂的末端結(jié)合；工具引導件，其適于與手術工具結(jié)合，對手術工具的位置和姿態(tài)進行引導；定位架，其呈圓柱狀，一端與所述末端連接件結(jié)合，另一端與所述工具引導件結(jié)...

本申請?zhí)峁┝艘环N基于多線程的模型等值面重建方法、裝置、設備及計算機可讀存儲介質(zhì)。該基于多線程的模型等值面重建方法，包括：根據(jù)用戶需求，分別將第一模型和第二模型按照輪廓內(nèi)部、外部填充1或0；在確定第一模型和第二模型整體的外接矩形后，計算外...

本申請?zhí)峁┝艘环N基于深度學習的圖像數(shù)據(jù)轉(zhuǎn)換方法、裝置、設備及計算機可讀存儲介質(zhì)。該方法，包括：獲取膝關節(jié)網(wǎng)格圖像數(shù)據(jù)；將膝關節(jié)網(wǎng)格圖像數(shù)據(jù)輸入預設的圖像數(shù)據(jù)類型轉(zhuǎn)換模型中，輸出對應的膝關節(jié)像素圖像數(shù)據(jù)；其中，圖像數(shù)據(jù)類型轉(zhuǎn)換模型是基于全...

本申請?zhí)峁┝艘环N基于三維立體感知智能目標模型識別的方法、裝置、設備及計算機可讀存儲介質(zhì)。該基于三維立體感知智能目標模型識別的方法，包括獲取鼠標點擊事件對應的三維世界坐標系下的點擊位置坐標O1；將三維世界坐標系轉(zhuǎn)為屏幕坐標系，得到點擊位置...

本申請?zhí)峁┝艘环N并行測試方法、裝置、電子設備及可讀存儲介質(zhì)，所述方法包括：獲取測試需求，構建測試用例集合，所述測試用例集合內(nèi)至少包括圖像界面用例和接口用例；客戶端接收到待測試醫(yī)學軟件的測試指令后，向云服務器發(fā)送測試請求，所述測試請求包含...

本申請?zhí)峁┝艘环N基于擴散模型的CT薄層圖像重建方法、裝置、設備及計算機可讀存儲介質(zhì)。該基于擴散模型的CT薄層圖像重建方法，包括：對隨機噪聲圖像進行特征提取，得到第一特征信息；對CT厚層圖像進行特征提取，得到第二特征信息；將第一特征信息和...

本申請?zhí)峁┝艘环N基于多尺度殘差金字塔注意力網(wǎng)絡的脊柱圖像融合方法、裝置、設備及計算機可讀存儲介質(zhì)。該基于多尺度殘差金字塔注意力網(wǎng)絡的脊柱圖像融合方法，包括：分別獲取脊柱CT圖像和脊柱MRI圖像；將脊柱CT圖像和脊柱MRI圖像輸入預設的多...

本申請?zhí)峁┝艘环N手術機器人的示蹤定位裝置，其包括：棘突夾，適于夾持任一手術對象的棘突部位；定位架，適于對當前位置進行定位；緊固結(jié)構，其與所述棘突夾、所述定位架連接；該緊固結(jié)構在鎖緊狀態(tài)下，同步固定與所述棘突夾、與所述定位架的相對位置，該...

本申請?zhí)峁┝艘环N基于多尺度混合注意力網(wǎng)絡的圖像融合方法、裝置、設備及計算機可讀存儲介質(zhì)。該基于多尺度混合注意力網(wǎng)絡的圖像融合方法，包括：利用第一編碼器對CT圖像進行特征提取，得到第一特征圖；利用第二編碼器對MRI圖像進行特征提取，得到第...

本申請?zhí)峁┝艘环N脊柱手術導航定位系統(tǒng)設計方法及相關設備，所述方法包括：獲取脊柱醫(yī)學圖像；基于所述脊柱醫(yī)學圖像，生成脊柱三維模型；基于所述脊柱三維模型，確定脊柱的置釘通道；根據(jù)所述脊柱三維模型和所述置釘通道，生成脊柱手術導航器的擬合區(qū)數(shù)據(jù)...

本申請?zhí)峁┝艘环N智能導航手術機械臂路徑規(guī)劃方法、裝置、設備及計算機可讀存儲介質(zhì)。該方法，包括：對障礙物進行邊緣檢測，確定障礙物的形狀；對障礙物的形狀范圍內(nèi)的節(jié)點進行聚類處理，確定障礙物的中心點；基于障礙物的形狀和中心點，計算障礙物的體積...

本申請?zhí)峁┝艘环N基于同態(tài)濾波的多模態(tài)醫(yī)學圖像融合方法、裝置、設備及計算機可讀存儲介質(zhì)。該基于同態(tài)濾波的多模態(tài)醫(yī)學圖像融合方法，包括：對CT圖像和MRI圖像進行小波變換，分別得到CT圖像和MRI圖像的近似系數(shù)和小波系數(shù)；基于CT圖像和MR...

本申請?zhí)峁┝艘环N基于深度學習的紋理映射三維重建方法、裝置、設備及計算機可讀存儲介質(zhì)。該方法，包括：將待渲染的骨骼和假體的面數(shù)據(jù)傳輸?shù)紾PU的內(nèi)存中；根據(jù)面的渲染需求，設置骨骼和假體相應的頂點著色器和片段著色器；在繪制之前，設置相關的繪制...

本申請?zhí)峁┝耸中g機器人末端自適應工具負載標定方法、裝置及設備，所述方法包括：基于遠端運動中心對機械臂運動軌跡進行約束；獲取雅可比矩陣；控制安裝有工具負載的機械臂按照約束的運動軌跡進行勻速運動，并對勻速運動狀態(tài)下的機械臂進行數(shù)據(jù)采樣；確定...

本申請?zhí)峁┝艘环N基于強化學習的關鍵解剖部位識別檢測方法、裝置、設備及計算機可讀存儲介質(zhì)。該基于強化學習的關鍵解剖部位識別檢測方法，包括：獲取醫(yī)學圖像；利用預設的卷積神經(jīng)網(wǎng)絡模型對醫(yī)學圖像進行分割，確定初始關鍵點的位置；通過強化學習來調(diào)整...

本申請?zhí)峁┝艘环N基于形變域與柔性融合的多模態(tài)圖像融合方法及裝置，所述方法包括：獲取待配準MRI圖像和待配準CT圖像；將待配準CT圖像輸入固定下采樣結(jié)構，得到固定編碼特征圖；將待配準MRI圖像輸入移動下采樣結(jié)構，得到移動編碼特征圖；將所述...

本申請?zhí)峁┝艘环N自適應測試方法及裝置，所述方法包括：上電后，獲取當前計算機運行環(huán)境，并構建安全運行區(qū)域；基于預設秘鑰對安全運行區(qū)域的上行數(shù)據(jù)和下行數(shù)據(jù)進行自主加密和解密；讀取待測試醫(yī)學軟件的測試需求，選取測試用例；獲取所述測試用例，并基...