一种基于超声图像的神经区域识别方法技术

本发明专利技术涉及超声图像识别技术领域，公开了一种基于超声图像的神经区域识别方法，包括如下步骤：S1、采集多个患者的超声图像，并对超声图像进行预处理，形成验证集、训练集和测试集；S2、搭建基于U‑Net的超声图像区域识别模型，所述模型为编码器‑解码器架构，所述编码器和解码器均包括卷积块和多层感知机块；编码器的每个卷积块均包括卷积层、批量归一化层、最大池化层和ReLU激活层，解码器中的每个卷积块均包括双线性插值层，且在多层感知机块中以随机小步长和随机方向移动卷积特征通道的轴；以解决现有的U‑Net卷积神经网络计算冗余且效率低下的问题。

【技术实现步骤摘要】

本专利技术涉及超声图像识别，具体涉及一种基于超声图像的神经区域识别方法。

技术介绍

1、近年来随着超声可视化技术的普及，区域麻醉技术得到长足发展，成功的区域麻醉可极大减少术中阿片类镇痛药物的消耗，减少麻醉并发症，加速患者术后康复；

2、由于超声图像是基于组织密度对超声的反射后的再成像，成像质量相对较低，受干扰的因素多，在手术过程中采用超声图像引导医师进行区域阻泄或药物注射，极为考验医师的临床实践经验，使用门槛较高。

3、而u-net深度学习网络架构是一种典型的卷积神经网络，它可将输入图像的特征提取出来，并在分割图像的同时保留细节信息，在处理小目标或细节复杂的图像时，其精度也比其它模型更高，在医学图像分割中广泛应用；但现有的u-net存在计算冗余和效率低下的问题，时效性差，主要用于辅助医师进行基于超声图像的疾病检查和诊断，无法满足手术进行过程中的实时操作引导。

技术实现思路

1、本专利技术意在提供一种基于超声图像的神经区域识别方法，以解决现有的u-net卷积神经网络计算冗余且效率低下的问本文档来自技高网...

【技术保护点】

1.一种基于超声图像的神经区域识别方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于超声图像的神经区域识别方法，其特征在于：所述多层感知机块包括用于提取宽度方向特征的宽度多层感知机和用于提取高度方向特征的高度多层感知机；

3.根据权利要求1所述的一种基于超声图像的神经区域识别方法，其特征在于：所述模型的卷积特征通道包括通道一、通道二、通道三、通道四和通道五，且通道一的通道数为32个，通道二的通道数为64个，通道三的通道数为128个，通道四的通道数为200个，通道五的通道数为256个。

4.根据权利要求2所述的一种基于超声图像的神经区域识...

【技术特征摘要】

1.一种基于超声图像的神经区域识别方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于超声图像的神经区域识别方法，其特征在于：所述多层感知机块包括用于提取宽度方向特征的宽度多层感知机和用于提取高度方向特征的高度多层感知机；

3.根据权利要求1所述的一种基于超声图像的神经区域识别方法，其特征在于：所述模型的卷积特征通道包括通道一、通道二、通道三、通道四和通道五，且通道一的通道数为32个，通道二的通道数为64个，通道三的通道数为128个，通道四的通道数为200个，通道五的通道数为256个。

4.根据权利要求2所述的一种基于超声图像的神经区域识别方法，其特征在于：所述多层感知机块包括位置编码，采用深度可分离卷积修改通道数。

5.根据权利要求4所述的一种基于超声图像的神经区域识别方法，其特征在于：所述多层感知机块还包括残差连接和层归一化，将多层感知机的输入数据作为残差，并采用层归一化将输出数据传递到下一块层；

6.根据权利要求5所述的一种基于超声图像的神经区域识别方法，其特征在于：所述多层感知机块还包括对所述宽度多层感知机的输入数据进行分区移动像素操作；分区移动像素操作将特征由通道方向分为多个不同分区，并分别对各分区进行移动像素操作。<...

【专利技术属性】
技术研发人员：曾桀，冉浩松，赵楠，郁葱，李周游，
申请(专利权)人：重庆医科大学附属口腔医院，
类型：发明
国别省市：