【技术实现步骤摘要】
本专利技术涉及图像处理,尤其涉及基于深度学习兽用超声图像处理方法。
技术介绍
1、超声成像技术因其无创、实时、安全和非侵入性的特点,在医学和兽医学领域得到了广泛应用。
2、特别是在畜牧业中,b超成像技术已成为监测牛孕期状况的重要手段。然而,传统的超声图像处理手段在处理复杂、模糊的牛孕期b超图像时,由于牛体内的解剖结构较为复杂,尤其是在孕期,胎儿与母体器官之间的关系更加紧密,增加了图像解析的难度,因此,基于深度学习的超声图像处理方法应运而生,旨在提高牛孕期b超图像的处理效率和准确性。
3、因此,有必要提供一种新的基于深度学习兽用超声图像处理方法解决上述技术问题。
技术实现思路
1、为解决上述技术问题,本专利技术提供基于深度学习兽用超声图像处理方法。
2、本专利技术提供的基于深度学习兽用超声图像处理方法,包括如下步骤:
3、s1、通过超声探头采集原始超声图像,对原始超声图像进行灰度化、归一化以及去噪处理,并根据图像中胎儿的信息进行标注;
< ...【技术保护点】
1.基于深度学习兽用超声图像处理方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的基于深度学习兽用超声图像处理方法,其特征在于,所述步骤S2中构建深度学习模型并对图像进行处理的过程包括如下步骤:
3.根据权利要求2所述的基于深度学习兽用超声图像处理方法,其特征在于,所述步骤S3中的损失函数为Focalloss和Diceloss的组合混合损失函数以及边界损失函数。
4.根据权利要求3所述的基于深度学习兽用超声图像处理方法,其特征在于,所述步骤S22中的特征融合模块包括基本残差块、CBAM注意力模块,再次利用基本残差块对步骤S2
...【技术特征摘要】
1.基于深度学习兽用超声图像处理方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的基于深度学习兽用超声图像处理方法,其特征在于,所述步骤s2中构建深度学习模型并对图像进行处理的过程包括如下步骤:
3.根据权利要求2所述的基于深度学习兽用超声图像处理方法,其特征在于,所述步骤s3中的损失函数为focalloss和diceloss的组合混合损失函数以及边界损失函数。
4.根据权利要求3所述的基于深度学习兽用超声图像处理方法,其特征在于,所述步骤s22中的特征融合模块包括基本残差块、cbam注意力模块,再次利用基本残差块对步骤s21得到的多个图像进行进一步细化特征,最后进行残差连接。
5.根据权利要求4所述的基于深度学习兽用超声图像处理方法,其特征在于,所述步骤s3...
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。