研究目的
开发一种用于观察医学图像的非接触式交互系统,通过基于手势的技术和焦点-上下文可视化方法,解决因遮挡导致的3D模型特征缺失问题。
研究成果
所提出的非接触式系统能有效实现医学影像观察并带来良好的用户体验,但在特征分类准确性和手势识别稳定性方面存在局限。未来工作应整合神经网络或血管神经重建以提高准确性,增加空间提示和增强现实以优化反馈效果,并改进手势识别算法。
研究不足
由于基于体素的分类错误,系统无法准确识别特征。手势识别受环境光线和手部特征点重叠影响,导致稳定性不足。用户空间感知存在差异,易引发操作混淆。反馈多样性有限,且复杂操作被规避,可能降低功能完整性。
1:实验设计与方法选择:
本研究采用光线投射体绘制技术构建三维模型生成系统,并结合焦点与背景技术。通过Leap Motion实现手势识别以达成非接触式交互。方法包括基于区域生长和尺寸的传递函数进行特征提取,以及利用圆柱/圆锥视角穿透观察隐藏特征。
2:样本选择与数据来源:
使用来自犹他大学、Viatronix公司、Tiani Medgraph、飞利浦研究院及法兰克福神经放射学研究所的CT或MRI医学影像数据集。
3:实验设备与材料清单:
搭载Intel Core i7-4720处理器、8GB内存、NVIDIA GTX950M显卡的笔记本电脑;Leap Motion控制器(SDK 3.2.0);用于系统运行的Unity???。
4:0);用于系统运行的Unity模块。
实验流程与操作步骤:
4. 实验流程与操作步骤:用户加载二维图像数据集后执行体绘制,通过三维截面切割和三轴横截面同步工具选取感兴趣区域,应用特征提取方法并使用视角穿透功能。通过手势识别实现交互,实验测量任务完成时间及用户满意度。
5:数据分析方法:
对实验完成时间进行统计分析并以柱状图呈现结果。通过问卷收集用户反馈,分析系统设计各维度的平均评分。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容