【技术实现步骤摘要】
一种基于Superpoint的医学图像处理方法
[0001]本专利技术涉及处理医学图像领域,具体为一种基于Superpoint的医学图像处理方法。
技术介绍
[0002]在过去的几十年里,医学技术的进步和科技手段的创新在重塑外科手术的实践中发挥了重要作用。医学模式的全面进步和在整体治疗观的带动下产生了微创的概念,固态摄像机和光纤设备使微创手术成为现实。微创手术过程中应用细长器械及照明等设备,利用先进的技术手段,把传统的肉眼直视替换为电子镜像观察,保证了最小的切口范围和最少的组织损伤,同时完成对体内病灶的观察诊断及治疗。在现代微创手术技术中,使用的内窥镜和专业的器械通过手术部位皮肤的小切口插入到内腔中,内窥镜拍摄到的画面实时显示在屏幕上,医生操控内窥镜的近端调整方向和角度,从传输回来的画面判断手术情况。
[0003]微创手术相比于传统手术微创手术具有创口小、疼痛轻、不易感染等优点,大大减少了患者的创伤、术后恢复期和并发症的风险,是现代医学手术治疗的一种趋势。但随着科技的进步,微创手术在多个医学领域逐渐拓展,传统的微创手 ...
【技术保护点】
【技术特征摘要】
1.一种基于Superpoint的医学图像处理方法,其特征在于:包括以下步骤:S1:获取图像并初始化网络;S2:将获取到的图像输入网络进行特征提取,同时得到特征点的描述子;S3:KNN方法进行特征匹配;S4:采用K
‑
Means聚类方法对特征集合进行有层次的聚类。2.根据权利要求1所述的一种基于Superpoint的医学图像处理方法,其特征在于:所述步骤S1的具体步骤为:S1.1:获取微创手术过程中内窥镜取得的需要处理的目标图像;S1.2:初始化深度学习网络参数,采用虚拟的三维图形作为网络训练的数据集,训练网络具备提取角点的功能。3.根据权利要求1所述的一种基于Superpoint的医学图像处理方法,其特征在于:所述步骤S2的具体步骤为:S2.1:将待处理图像输入网络,经过共享的编码网络降维图像:H
c
=H/8其中,H为图像原始尺寸,H
c
为降维后的图像尺寸;S2.2:兴趣点自标注,进行特征点的解码,解码器的输出为像素点是特征点的概率值,采用的方法为子像素卷积,利用了一种带有特定解码器的特征点检测头进行获取上采样的图像;输入张量的维度是输出的维度为R
H
×
W
;S2.3:描述子检测,利用类似于UCN的网络得到半稠密的描述子,在进行双线性插值得到完整的描述子,最后利用L2标准化得到单位长度的描述,特征维度由:变为:D∈R
H
×
W
×
D
S2.4:损失函数构建,此网络有两个分支网络,损失函数也分为两部分,两部分的损失之和为网络最后的损失函数:...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。