摘要
本发明涉及一种小儿髋关节标准超声图像的自动测量方法、系统,包括:S1,获取标准超声图像样本,标准超声图像样本包括待检测部位的图像数据集;S2,获取标准超声图像自动测量与分类模型,输入标准超声图像进行标注和自动测量,同时获得标准超声图像样本的N种解剖结构分割标注以及对应的M个关键点的检测结果,M个关键点的检测结果包括各关键点的位置数据;S3,根据M个关键点的位置数据计算分类相关角度α和β,统计αmix和βmax;S4,根据唯一的αmix和βmax定义标准超声图像样本的最终类型。本方案简化标准超声图像自动测量和分类模型,可以通过一致性和鲁棒性的端到端深度学习网络深度模拟训练;临床实践减少测量差异,避免医生误诊或漏诊。
技术关键词
解剖结构分割
关键点
自动测量方法
小儿髋关节
样本
双通道注意力
混合损失函数
图像编码器
数据
骰子
图像分类模型
深度学习网络
解码器
处理器
髋臼
存储器
鲁棒性
训练集
系统为您推荐了相关专利信息
场景类别
工程机械设备
动态背景
关键点
位姿估计方法
缺陷检测方法
在线缺陷检测
卷积神经网络模型
图片
动态更新
分布式进化算法
图像分类方法
图像分类模型
数据
对抗性
独立微电网
储能配置优化方法
拉丁超立方抽样
粒子群优化算法
天气