Reconstrucción 3D de modelos anatómicos basada en conocimientos geométricos
Versandkostenfrei!
Versandfertig in 1-2 Wochen
26,99 €
inkl. MwSt.
PAYBACK Punkte
13 °P sammeln!
Las reconstrucciones de modelos tridimensionales (3D) geométricamente precisos de formas anatómicas desempeñan un papel fundamental en el sector médico, ya que estos modelos 3D son necesarios actualmente para estudios clínicos como la visualización, el diagnóstico, el seguimiento de pacientes, la planificación quirúrgica preoperatoria y las aplicaciones biomecánicas. Estos modelos 3D suelen extraerse de conjuntos de datos recogidos por sensores 3D, como la tomografía computarizada (TC) y la resonancia magnética (RM). Estos métodos tienen varias limitaciones, como su elevado coste,...
Las reconstrucciones de modelos tridimensionales (3D) geométricamente precisos de formas anatómicas desempeñan un papel fundamental en el sector médico, ya que estos modelos 3D son necesarios actualmente para estudios clínicos como la visualización, el diagnóstico, el seguimiento de pacientes, la planificación quirúrgica preoperatoria y las aplicaciones biomecánicas. Estos modelos 3D suelen extraerse de conjuntos de datos recogidos por sensores 3D, como la tomografía computarizada (TC) y la resonancia magnética (RM). Estos métodos tienen varias limitaciones, como su elevado coste, la alta dosis de radiación (en el caso de la TC), la necesidad de un gran volumen de conjuntos de datos de imágenes y el mayor tiempo necesario para generar modelos 3D. Para superar estas limitaciones y obtener modelos 3D precisos, se han hecho muchos intentos basados en imágenes de rayos X 2D. Sin embargo, la demanda de procesos automáticos para crear modelos 3D de estructuras anatómicas utilizando imágenes de rayos X sigue aumentando. Por ello, el presente trabajo es un intento de introducir un método rentable y rápido para reconstruir modelos 3D de huesos humanos automáticamente a partir de múltiples imágenes de rayos X utilizando técnicas fotogramétricas.
Andere Kunden interessierten sich für
