摘要
本发明提供了一种基于深度学习的超分辨率超声成像微泡定位系统,包括:模型训练模块,用于获取真实超声图像,并将真实超声图像作为训练数据对神经网络模型进行训练,得到深度学习模型;图像定位模块,用于将segMamba模型作为基线模型,同时,对深度学习模型添加注意力机制,并基于添加结果结合基线模型对待处理图像进行图像分割,且基于图像分割结果获得微泡位置;图像追踪模块,用于基于匈牙利算法寻找LSA成本函数的全局最小值,并基于寻找结果根据微泡位置对微泡进行追踪。能够提供更精确的微泡定位和追踪结果,有助于提升超声成像在医学领域的应用效果,为疾病的诊断和治疗提供更可靠的依据。
技术关键词
深度学习模型
微泡
定位系统
神经网络模型
图像分割
注意力机制
匈牙利算法
分辨率
模型训练模块
管理终端
成像
图像获取单元
基线
图像处理
定位模块
定位方法
数据
模型预训练
参数
系统为您推荐了相关专利信息
图像分割模型
实例分割
网络结构
评价方法
超参数优化方法
健康监测方法
频率
神经网络模型
患者
电子健康记录
行驶路径规划方法
分类神经网络
鸟瞰图像
转向系统
制动系统
硬件加速系统
硬件加速模块
多模态数据采集
数据输出模块
图像
超声波电机
关键运行参数
参数控制方法
神经网络模型
多维特征向量