摘要
本说明书提供了一种基于机器学习的骨骼肌超声图像识别方法及装置,涉及骨骼肌超声图像识别技术领域。该方法获取骨骼肌超声图像,并对骨骼肌超声图像对应的骨骼肌群、健康状况进行标注,形成骨骼肌图像训练集;利用所述骨骼肌图像训练集训练基于多尺度特征提取的卷积神经网络,得到骨骼肌超声图像识别模型;利用训练好的骨骼肌超声图像识别模型,识别骨骼肌超声图像中对应骨骼肌群的健康状况。该方法解决了目前传统的方法仅能针对肌骨超声进行简单的分类任务,受限于超声图像中噪声较多、组织结构边界不清等固有缺陷,无法完成复杂的病灶识别及病灶的精确分割的问题。该方法显著提升了复杂肌骨超声图像的分析精度与效率。
技术关键词
多尺度特征提取
超声图像识别方法
多模态数据融合
二维超声图像
图像识别模型训练
弹性超声成像
训练集
噪声抑制
动态平衡状态
超声图像识别技术
组织
图像识别模块
纹理特征
特征金字塔
斑点噪声
Softmax函数
权重分配机制
系统为您推荐了相关专利信息
疲劳驾驶检测
多模态数据融合
疲劳特征
行车记录仪
提醒方法
图像识别系统
脑肿瘤医学影像
语义特征
图像获取模块
输出特征
栈桥
铁路列车信号控制
启闭闸门
集装箱起吊
堤坝
城市布局
生成方法
多模态协同
空间金字塔
信息融合机制
缺陷自动检测方法
竹材
Retinex算法
边缘检测算法
多尺度特征提取