摘要
本发明公开了一种基于AI辅助的甲状旁腺识别方法及装置,包括以下步骤:S1:构建重要解剖结构的训练数据集;S2:对所述重要解剖结构的训练数据集进行预处理;S3:基于预处理后的重要解剖结构训练数据集,进行多个分割模型处理,输出每个分割模型的像素概率图;S4:将每个所述像素概率图中的像素值和对应权重做相乘处理,并计算加和结果;S5:基于所述加和结果,进行后处理并生成甲状旁腺分割图。本发明基于多个分割模型的处理并进行加权融合处理,得到一个包含了不同模型优势的综合概率图。相较于传统的检测方法,显著提高识别的准确性和灵活性。将方法模型集成到装置中,实现术中对重要解剖结构的实时定位和识别。
技术关键词
识别方法
图像分割模型
识别装置
光学系统
像素点
数据
正则化参数
后验概率
指标
成像
滤波器
信号
静脉
身体
光源
代表
系统为您推荐了相关专利信息
大型风力发电机组主轴
树脂砂造型
抓取装置
视觉定位装置
图像识别装置
神经网络模型
面部识别方法
嘴巴特征
眼睛特征
疲劳驾驶检测
图像
像素点
权重计算方法
自动识别方法
节点方法