摘要
本发明属于机器学习技术领域,具体涉及支持神经网络模型的机器学习领域,尤其涉及一种基于对比学习的胎儿颅脑超声切面无监督空间配准方法及装置。本发明提出的基于对比学习的胎儿颅脑超声切面无监督空间配准方法包括:自监督空间采样方法从训练集的三维体数据中采样分布均匀的二维切面;基于LBP特征选择的pretext task模块构造成正样本对;将正样本对输入自监督的对比学习模块进行训练;将对比学习模块迁移到检索模块,待配准的二维超声图像输入到所述检索模块,确定待配准的二维切面在三维体数据中的空间位置坐标。本发明设计了一个对比学习模型,利用对比学习在切面进行分类和解剖学感知上的能力,实现一种无监督方式的超声二维到三维配准;同时,设计了一个新的代理任务,使得对比学习模型能够学习到不同空间位置二维切面的特征从而实现位置配准。
技术关键词
空间配准方法
二维超声图像
空间采样方法
无监督
成像显示系统
模块
LBP特征
坐标
样本
编码器
数据
探头
特征选择
人机交互设备
建立映射关系
标志
机器学习技术
模式
人机交互界面
系统为您推荐了相关专利信息
关联分析系统
跨模态关联学习
跨模态图像
文本
特征提取模块
关键词模糊搜索
文档检索方法
版本更新信息
节点
解密密钥
信道状态信息
通信方法
波束成形矩阵
接收端
信噪比
数据安全
数据资产管理
数据全生命周期
存储介质终端
标签特征