基于知识蒸馏和课程学习的超声散斑位移追踪方法及系统

本发明公开了一种基于知识蒸馏和课程学习的超声散斑位移追踪方法及系统，属于人工智能技术领域，所述方法包括：S1、对第一RF数据集进行预处理，获得第二RF数据集，并计算B‑mode数据集；S2、将第二RF数据集输入到MPWC‑Net神经网络中训练教师位移追踪网络；S3、提取B‑mode数据位移大小标签并标注难度并排序，存储不同阶段需要调度的B‑mode数据集；S4、将提取的B‑mode数据按照预设顺序输入到MPWC‑Net神经网络中，分阶段训练学生位移追踪网络；S5、将待预测的B‑mode数据输入到学生位移追踪网络中，计算应变场。解决深度学习超声散斑位移追踪模型难以实际应用于临床设备的问题，提高B‑mode数据在深度学习上的散斑位移追踪性能，并且取得了良好的散斑位移追踪性能。