摘要
本申请涉及一种甲状腺超声图像最大横纵切面并行识别方法、装置和设备,获取待处理的原始超声图像,根据已训练的深度学习模型,对原始超声图像采用GPU并行计算的方式进行处理,得到初步甲状腺切面检测结果。根据初步甲状腺切面检测结果进行后处理,筛选出视频流中的甲状腺最大结构面积;根据筛选的甲状腺最大结构面积,获取甲状腺最大横纵切面并输出。利用GPU的强大并行处理能力,来根据深度学习模型对原始超声图像进行并行处理,不仅加速了最大切面的识别与筛选流程,还增强了超声扫描的精确度与效率,提高了识别效率和准确性。
技术关键词
GPU并行计算
深度学习模型
甲状腺超声图像
并行识别方法
视频流
图像分割技术
深度学习算法
共享内存技术
图像处理模块
图像获取模块
处理器
注意力机制
识别装置
数据
计算机设备
输出模块
可读存储介质
轮廓
系统为您推荐了相关专利信息
注意力
深度学习模型
输出特征
图像分类方法
图像分类设备
场景知识图谱
模态特征
深度学习模型
动态
多模态
功能模块
深度学习模型
意图识别
数据生成方法
样本