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
遥感反演方法
深度学习数据集
卫星遥感数据
水体光衰减系数
反演模型
数据泄露识别方法
差分隐私
电力电表
超参数
空间网络结构
信号调制识别方法
多尺度特征提取
注意力
矩阵
关系建模
智能驾驶车辆
图像处理器
检测车道线
深度学习模型对图像
车道线特征提取
隐私保护方法
大语言模型
命名实体识别方法
通信效率
参数