摘要
本发明提供基于直乙镜图像的AI分析方法及系统,涉及AI技术领域,包括利用预训练的深度卷积神经网络提取直乙镜图像的多尺度特征,并通过自适应特征权重分配模块进行特征融合。利用双分支检测网络对融合后的特征图进行病变区域检测,并对检测到的病变区域进行分类。基于连续直乙镜图像序列进行三维重建,将检测结果映射至三维模型中,实现病变区域的精确定位和三维可视化,并记录其三维坐标位置信息。本发明能够提高直乙镜图像分析的准确性和效率,辅助医生进行诊断。
技术关键词
三维可视化模型
三维重建模型
三维网格模型
坐标位置信息
深度卷积神经网络
多尺度特征
注意力
关键区域信息
分支
空间配准算法
深度学习分类
三维重建算法
图像
深度图
坐标系
特征点
金字塔池化模块
完整运动轨迹
加权特征
识别病变
系统为您推荐了相关专利信息
三维重建模型
点云图像
深度相机
大语言模型
数据
电网负荷预测
调度优化系统
数据采集层
电力系统自动化技术
设备状态传感器
疲劳寿命预测
数据存储模块
数据可视化
数据处理模块
钢结构
三维人体动作
人体三维重建
关节点
捕捉方法
相机外参