【技术实现步骤摘要】
本专利技术涉及人工智能，特别是一种基于异构unet的超声影像多组织分割方法和系统。
技术介绍
1、超声分割算法在医学影像处理中起到关键作用，其主要目的是将超声图像中的结构或组织分割成不同的区域，以便进行进一步的分析、诊断或治疗规划，在精准诊断和个性化治疗规划、手术导航、标准化分析、研究教育等方面均有重要应用价值。由于手动分割超声图像是一项费时费力的任务，存在主观依赖性强、误差率高、时间成本高、可重复性差等弊端，这些缺点在一定程度上限制了其在临床和科研中的应用。为有效解决这些问题，近年来大量超声图像自动分割方法被提出，用于提高超声图像分割的准确性和效率。目前超声图像自动分割方法主要分为传统超声图像分割方法和基于深度学习的分割方法。
2、传统超声图像分割方法基于传统的图像处理技术，如阈值分割、区域生长、边缘检测等，这些方法简单但依赖手工特征设计，对噪声和伪影敏感，难以适应超声图像不均匀性，容易产生过分割或欠分割的情况，且只考虑局部像素之间的关系，缺乏全局上下文信息的引导，可能会导致分割结果对于整体结构的一致性和连续性不够好。此外...
【技术保护点】
1.基于异构UNet的超声影像多组织分割方法，其特征在于：包括以下步骤：
2.如权利要求1所述的基于异构UNet的超声影像多组织分割方法，其特征在于：所述改进U-Net网络按照以下步骤进行：
3.如权利要求1所述的基于异构UNet的超声影像多组织分割方法，其特征在于：所述双卷积残差特征提取模块按照以下步骤进行：
4.如权利要求1所述的基于异构UNet的超声影像多组织分割方法，其特征在于：所述编码器最后一层与解码器对应层通过改进的ASPP模块连接，所述改进的ASPP模块中采用不同膨胀率的空洞卷积核进行卷积，并融合条带池化SPM模块。<...
【技术特征摘要】
1.基于异构unet的超声影像多组织分割方法，其特征在于：包括以下步骤：
2.如权利要求1所述的基于异构unet的超声影像多组织分割方法，其特征在于：所述改进u-net网络按照以下步骤进行：
3.如权利要求1所述的基于异构unet的超声影像多组织分割方法，其特征在于：所述双卷积残差特征提取模块按照以下步骤进行：
4.如权利要求1所述的基于异构unet的超声影像多组织分割方法，其特征在于：所述编码器最后一层与解码器对应层通过改进的aspp模块连接，所述改进的aspp模块中采用不同膨胀率的空洞卷积核进行卷积，并融合条带池化spm模块。
5.如权利要求4所述的基于异构unet的超声影像多组织分割方法，其特征在于：所述条带池化spm模块按照以下步骤进行：
6.基于异构unet的超声影像多组织...
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。