摘要
本发明提供了一种基于深度学习的肝脏棘球蚴病超声影像智能分类与检测方法、电子设备及存储介质,包括以下步骤:收集数据;自适应重叠块去噪模型去噪处理;建立分类数据集,训练自适应多尺度注意力残差分类模型;目标检测标注;训练检测模型Fractal‑YOLO。本发明所述的本发明的模型能够更全面地理解和利用病灶的形态学特征,从而提升检测性能,确保了计算效率,同时大大提高对棘球蚴病准确率,降低误诊率。
技术关键词
超声影像数据
分形特征
训练检测模型
肝脏超声图像
分支
全局平均池化
信息熵
计算机可读取存储介质
输出特征
多尺度
通道注意力机制
像素
滑动窗口
处理器
系统为您推荐了相关专利信息
多芯片封装结构
安装座
限位组件
散热块
封装方法
一维卷积神经网络
平面识别方法
残差神经网络
特征融合方法
解码矩阵
识别匹配方法
特征地图
移动机器人定位
点云配准算法
角点特征
特征融合网络
乳腺超声图像
超声诊断系统
输出特征
动态