基于深度学习的无线胶囊镜多类别病灶图像检测方法

AITNT
正文
推荐专利
基于深度学习的无线胶囊镜多类别病灶图像检测方法
申请号:CN202510748023
申请日期:2025-06-06
公开号:CN120259797A
公开日期:2025-07-04
类型:发明专利
摘要
本发明基于深度学习的无线胶囊镜多类别病灶图像检测方法,属于深度学习中计算机视觉的WCE多类别病灶图像检测技术领域,包括五个用于检测的步骤;通过上述设计方案,本发明提供一种基于深度学习模型的无线胶囊内窥镜多类别病灶图像检测方法,能够准确地识别检测出输入图像中的病灶信息及位置信息,满足多类别病灶图像的多尺度检测需要,这一创新技术不仅提升了医疗诊断的精准度和效率,更为智慧医疗服务领域注入了新的活力。
技术关键词
图像检测方法 特征金字塔网络 图像检测模型 无线胶囊内窥镜 特征提取网络 多尺度特征学习 智慧医疗服务 特征融合技术 网络结构设计 检测头 图像检测技术 深度学习模型 训练集 计算机视觉 注意力机制 数据
系统为您推荐了相关专利信息
1
用于部位级图像分割的实例-语义融合分割方法
sigmoid函数 特征金字塔网络 分支 上采样 卷积特征提取
2
一种倾斜基面激光熔覆横截面尺寸预测方法及系统
特征提取网络 横截面尺寸 覆层 图像 预测特征
3
一种基于多特征融合MobileViT的轻量级硬件木马检测方法
硬件木马检测方法 特征金字塔网络 信道 生成图像数据 功率
4
一种激光智能焊接的焊缝质量检测方法及系统
特征提取网络 多模态 调节单元 信息融合机制 高斯混合模型
5
一种基于机器视觉的机场地灯螺钉松动检测方法
松动检测方法 地灯 残差神经网络 构建分类器 判断螺钉
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号