摘要
本发明提出了一种基于波融合UNet的医学超声图像分割方法及系统。该方法为:获取超声图像样本,并对其进行预处理;基于U‑Net模型构建分割模型,该分割模型包括编码器和解码器,采用预处理后的样本对分割模型进行训练:编码器提取多尺度特征,编码器和解码器之间采用跳跃连接将高分辨率空间信息直接传递到解码器,在解码器的浅层融合高分辨率特征的频域特征和空间特征,还通过注意力的门控机制对高分辨率空间信息进行筛选和增强;然后解码器重建高分辨率分割掩码;采用训练好的分割模型对待分割图像进行分割。本发明有效地解决了超声图像分割中存在的噪声、低对比度和边缘细节难以保留等问题,显著提高了分割的准确性。
技术关键词
解码器
编码器
混合损失函数
医学超声图像分割
频域特征
二维离散小波变换
多尺度特征
数据获取模块
注意力
存储模块
样本
分辨率
模块通信
对比度
机制
表达式
系统为您推荐了相关专利信息
攻击检测方法
节点特征
重构模块
编码器
PageRank算法
信息检索
大语言模型
学习方法
查询意图
预训练语言模型
性能参数预测方法
多层感知机
递归神经网络模型
解码器
数据
解码水印信息
水印解码器
深度神经网络模型
图片
视角