摘要
本发明涉及医学图像处理技术领域,尤其涉及一种用于支气管镜病灶检测的联合窄带与荧光成像方法及系统。本发明提出的方法基于深度学习实现了选择并提取窄带成像图像和自荧光成像图像中具有判别能力的特征,并通过决策融合实现了病灶检测不同成像技术优势的融合,提高了病灶识别的速度和准确性;同时,本发明所提供的方法能够更好地适应不同的场景和病变特征,具有更好的泛化能力,提高了病灶检测的特异性和敏感性,有利于提高诊断准确率和效率。
技术关键词
荧光成像方法
生成网络模型
支气管镜
图像增强方法
生成器网络
医学图像处理技术
荧光成像系统
融合方法
联合损失函数
白光
病变特征
颜色校正
成像模块
成像技术
参数
决策
系统为您推荐了相关专利信息
多模态图像数据
二维高分辨率
边缘检测
生成对抗网络
特征金字塔网络
水下图像增强方法
高频特征
物理
拉普拉斯金字塔
大气散射模型
高速公路智能巡检
巡检策略
无人机
数据生成器
生成网络模型
全景图像数据
图像处理模型
生成网络模型
偏角
曲线
弱化方法
生成对抗网络模型
辅助分类器
图像
道路病害