一种基于神经网络的超声图像的标签识别方法技术

本发明专利技术涉及一种基于神经网络的超声图像的标签识别方法，包括：获取超声图像；通过SCR

【技术实现步骤摘要】
一种基于神经网络的超声图像的标签识别方法


[0001]本专利技术涉及医学图像处理
，特别是涉及一种基于神经网络的超声图像的标签识别方法。

技术介绍

[0002]文字识别是AI的一个重要应用场景，文字识别过程一般由图像输入、预处理、文本检测、文本识别、结果输出等环节组成。其中，文本检测、文本识别是最核心的环节。大多数的文字识别主要是针对一些定长的文字，或者一些固定格式的文字进行识别。在超声图像中，不同的设备产生的超声图像背景是不同的，上面标注的文字在格式、大小写，以及缩写等上面也是不同的。因此需要针对不同的设备准备相应的模板，这个做法很浪费时间人力成本，不够智能。更重要的用OCR处理文字识别极为不便，特别是文字的定位，文字的类型识别需要大量的时间去修正，寻找高质量的模板。

技术实现思路

[0003]本专利技术所要解决的技术问题是提供一种基于神经网络的超声图像的标签识别方法，能够有效识别出不同超声图像中的各种标签。
[0004]本专利技术解决其技术问题所采用的技术方案是：提供一种基于神经网络的超声图像的标签识别方法，包本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的超声图像的标签识别方法，其特征在于，包括：获取超声图像；通过SCR
‑
ACE目标检测网络检测所述超声图像中的文字，其中，所述SCR
‑
ACE目标检测网络包括依次连接的SCRNet322网络、BiLSTM网络和softmax层，其中，所述SCRNet322网络用于提取超声图像的特征，所述BiLSTM网络用于根据SCRNet322网络提取的图像特征，输出具有序列信息的特征。2.根据权利要求1所述的基于神经网络的超声图像的标签识别方法，其特征在于，所述SCRNet322网络包括依次连接的2个第一特征提取模块和第二特征提取模块；所述第一特征提取模块包括依次连接的2个第一卷积单元、第二卷积单元、池化层、正则化层、第一卷积单元、第二卷积单元、池化层、正则化层、残差与相加层，并且第1个第二卷积单元和残差与相加层连接；所述第二特征提...

【专利技术属性】
技术研发人员：周骏，
申请(专利权)人：什维新智医疗科技上海有限公司，
类型：发明
国别省市：