【技术实现步骤摘要】
本专利技术涉及图像识别，具体涉及一种基于深度学习的医用超声图像识别系统及方法。
技术介绍
1、随着医疗技术的快速发展，医学影像在疾病的早期筛查、诊断、治疗及疗效评估等方面发挥着越来越重要的作用。其中，超声成像作为一种无创、实时、低成本的医学成像技术，在临床应用中具有广泛的普及性。然而，超声图像的解读和分析往往依赖于医生的经验和主观判断，存在较大的误差和不确定性。因此，开发一种能够自动、准确识别超声图像的系统和方法，对于提高医疗诊断的准确性和效率具有重要意义。
2、近年来，深度学习技术在图像识别领域取得了显著进展，为超声图像的自动分析和识别提供了新的解决方案。深度学习通过构建多层神经网络模型，可以自动学习图像中的特征表示，并实现对图像内容的准确分类和识别。与传统的图像处理技术相比，深度学习具有更强的特征表达能力和更高的识别精度。
3、基于深度学习的医用超声图像识别系统及方法，旨在利用深度学习技术，对超声图像进行自动分析和识别，辅助医生进行疾病的诊断。该系统首先通过收集大量的超声图像数据，构建一个包含各种病变类型的超...
【技术保护点】
1.一种基于深度学习的医用超声图像识别方法，其特征在于，方法包括：
2.根据权利要求1所述的一种基于深度学习的医用超声图像识别方法，其特征在于，通过自训练的方式，迭代地对无标签数据生成伪标签，并通过形态学操作优化置信度较高的分割区域作为伪标签进行伪监督具体包括以下过程：
3.根据权利要求2所述的一种基于深度学习的医用超声图像识别方法，其特征在于，该方法还包括：
4.根据权利要求2所述的一种基于深度学习的医用超声图像识别方法，其特征在于，通过目标函数中表征损失地置信度较低的边界区域进行优化修正具体包括以下过程：
5.根据权...
【技术特征摘要】
1.一种基于深度学习的医用超声图像识别方法，其特征在于，方法包括：
2.根据权利要求1所述的一种基于深度学习的医用超声图像识别方法，其特征在于，通过自训练的方式，迭代地对无标签数据生成伪标签，并通过形态学操作优化置信度较高的分割区域作为伪标签进行伪监督具体包括以下过程：
3.根据权利要求2所述的一种基于深度学习的医用超声图像识别方法，其特征在于，该方法还包括：
4.根据权利要求2所述的一种基于深度学习的医用超声图像识别方法，其特征在于，通过目标函数中表征损失...
【专利技术属性】
技术研发人员：关灿华，蔡伟忠，许培达，
申请(专利权)人：东莞索诺星科技有限公司，
类型：发明
国别省市：
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。