【技术实现步骤摘要】
本专利技术涉及超声图像分割，具体是指一种基于机器学习的骨科超声图像分割方法及系统。
技术介绍
1、基于机器学习的骨科超声图像分割方法是利用机器学习算法实现对骨科超声图像中的像素，按照不同的物体或结构进行分类的过程，骨科超声图像分割旨在将骨骼、关节、肌肉等不同组织结构在图像中进行分离和定位，这种方法有助于提高对骨科超声图像的理解和应用，进一步促进骨科领域的进步。
2、但是，在已有的骨科超声图像分割方法中，存在着超声成像的模式存在多模态、多级别和多种类的特点，进而需要一种能够融合多种类型特征的方法的技术问题；在已有的骨科超声图像分割方法中，存在着单模态图像的分割性能较低，而多模态特征图像的特征编解码和特征融合的聚合难度较高的技术问题；在已有的骨科超声图像分割方法中，存在着多模态特征图融合过程中，简单聚合无法提取有效特征而归一化融合会导致信息冗余的技术问题。
技术实现思路
1、针对上述情况，为克服现有技术的缺陷，本专利技术提供了一种基于机器学习的骨科超声图像分割方法及系统，针对在已有...
【技术保护点】
1.一种基于机器学习的骨科超声图像分割方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1所述的一种基于机器学习的骨科超声图像分割方法，其特征在于：在步骤S3中，所述通过基于预处理超声图像数据生成中谷参数图像和熵参数图像，进行边缘信息增强，得到超声图像数据，包括以下步骤：
3.根据权利要求2所述的一种基于机器学习的骨科超声图像分割方法，其特征在于：在步骤S31中，所述中谷参数图像生成，用于生成描述超声图像和回声强度的分布统计，并获取不同图像区域的回声特征信息，具体包括以下步骤：
4.根据权利要求3所述的一种基于机器学习的骨科超...
【技术特征摘要】
1.一种基于机器学习的骨科超声图像分割方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1所述的一种基于机器学习的骨科超声图像分割方法，其特征在于：在步骤s3中，所述通过基于预处理超声图像数据生成中谷参数图像和熵参数图像，进行边缘信息增强，得到超声图像数据，包括以下步骤：
3.根据权利要求2所述的一种基于机器学习的骨科超声图像分割方法，其特征在于：在步骤s31中，所述中谷参数图像生成，用于生成描述超声图像和回声强度的分布统计，并获取不同图像区域的回声特征信息，具体包括以下步骤：
4.根据权利要求3所述的一种基于机器学习的骨科超声图像分割方法，其特征在于：在步骤s32中，所述熵参数图像生成，用于增强超声图像的纹理信息，具体包括以下步骤：
5.根据权利要求4所述的一种基于机器学习的骨科超声图像分割方法，其特征在于：在步骤s4中，所述特征编解码结构结合特征融合模块的网络结构，包括特征编码器子块、特征融合子块和特征解码器...
【专利技术属性】
技术研发人员：吕江涛，张莹莹，赵水宁，常金良，董丹丹，左振柏，柴东坡，
申请(专利权)人：山东东瑞生物技术有限公司，
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。