摘要
本发明公开了一种由医学超声图像自动生成可见光图像的方法,包括以下步骤:1:对每个超声图像和可见光图像进行严格对齐,并对可见光图像进行重新采样以匹配超声图像的分辨率和视野;2:进一步校正每个超声图像的强度不均匀性;3:对不同实验者的超声图像强度进行标准化;4:将可见光图像的子宫区域从背景区域中分离出来;5:建立数据集;6:数据增强,增加训练数据的数量;7:通过ImageNet数据集进行预训练;8:加载预训练模型,添加输出层;9:训练TransUNet网络,评估方法性能,将超声图像输入训练完成的TransUNet网络,输出对应的可见光图像。本发明输入超声图像能够实时的、准确的生成可见光图像。
技术关键词
可见光图像
医学超声图像
预训练模型
配准算法
网络
数据
Otsu算法
均匀性方法
子宫
直方图
阈值方法
校正算法
强度
像素点
分辨率
视野
坐标
系统为您推荐了相关专利信息
风险分析方法
电池
无迹卡尔曼滤波算法
长短期记忆循环神经网络
参数
仪器仪表电源
时序特征
编码向量
管理系统
变电站
诊断预测方法
故障特征
融合卷积神经网络
逆变器
智能诊断模型
实验设计方法
半导体元件
因子
测试元件
测试机台
残差神经网络
多尺度特征
文本
随机梯度下降
跨模态学习