一种基于改进U-net的超声图像的拆图方法

本发明公开了一种基于改进U‑net的超声图像的拆图方法，涉及超声图像技术领域，通过结合深度学习技术与图像后处理算法，能够高效地处理超声图像类型（单图、双拼图、四拼图）的识别、超声区域图轮廓分割和拼图拆分的操作，通过U‑net网络的深度学习框架，结合ResNet50的特征提取能力，实现了拼图图像的高效分类和分割，相较于传统的图像处理方法，本发明能够在短时间内处理大规模不同器官组织超声图像；通过精确的分类和分割，能够准确地提取出超声图像中超声区域的轮廓，并有效对拼图进行拆分，恢复超声图像的完整性，避免误拆除或丢失信息的情况发生，具有广泛的临床应用前景。