摘要
提供了一种基于形状先验约束的小规模超声图像分割模型。提供的生成基于形状先验约束的小规模超声图像分割模型的方法,包括:S1:收集超声数据,确定超声数据中的分割目标;S2:针对超声图像高噪声、低对比度及边缘模糊问题进行图像预处理及在深度学习框架内进行数据增强;S3:构建超声分割评价指标;S4:构建基础U‑Net分割模型,适配超声分割数据尺寸与分割目标类别数,作为基线模型开展后续步骤工作;S5:设计形状先验约束模块,引入变分自编码器VAE约束模型学习目标结构的形状特征;S6:模型轻量化改进,采用深度可分离卷积与坐标注意力机制轻量化模型的同时提升模型效率;S7:构建损失函数并进行训练,得到所述基于形状先验约束的小规模超声图像分割模型。
技术关键词
超声图像分割
超声数据
形状先验
小规模
编码器
深度学习框架
SRAD算法
对比度
图像预处理方法
融合多尺度特征
注意力机制
乳腺
ReLU函数
信息处理设备
解码器结构
斑点噪声
指标
肝脏
网络优化
系统为您推荐了相关专利信息
文本生成图像方法
跨模态融合特征
文本编码器
计算机可读指令
注意力
音乐生成方法
图像嵌入
样本
图像投影器
音乐特征
学习训练方法
样本
文档关键词
查询特征
查询关键词