摘要
一种基于深度学习的无跟踪自由式三维超声图像重建方法,获得图像数据集;构建超声序列编码模块;构建小波变换卷积模块;构建混合注意力模块;构建损失函数;结合超声序列编码模块、小波变换卷积模块和混合注意力模块构建深度学习模型,并利用训练集对深度学习模块进行训练,得到三维超声图像重建模型;利用图像采集系统采用非线性扫描轨迹对患者的诊疗区域进行扫描得到二维超声图像序列数据;将二维超声图像序列数据作为输入数据输入至三维超声图像重建模型进行图像重建,输出高质量的三维超声图像。该方法能够显著提高超声图像三维重建的效率和准确度,能提高在处理不同条件下超声图像上的适应性和鲁棒性,能为临床提供更加精确的诊断信息。
技术关键词
三维超声图像
二维超声图像
超声扫描设备
卷积模块
图像采集系统
编码模块
注意力
深度学习模型
图像序列数据
图像重建
通道
高通滤波器
低通滤波器
多尺度特征提取
探头
非线性
系统为您推荐了相关专利信息
气泡
图形化用户界面
可视化模块
图像
特征提取网络
语义场景
建筑识别方法
样本
建筑物轮廓
语义分割网络
叶绿素荧光动力学
植物病害识别方法
图像采集系统
特征值
光电探测器
视线估计方法
人脸关键点
姿态特征
人脸特征点
图像
语义分割模型
注意力机制
矩阵
卷积模块
缺陷尺寸