摘要
本发明公开一种多切面多解剖结构驱动的自动化导管依赖性先心病产前超声诊断系统,包括:数据获取模块,用于获取超声图像,并采用改进的ResNet34模型识别超声图像中的导管依赖性先心病相关的多个切面;特征提取模块,用于采用YOLOv10目标检测网络,识别和提取多切面中的关键解剖结构特征和测量值,形成各解剖结构的空间关系模型;特征融合模块,用于采用深度学习网络,将提取的多切面的解剖结构特征和测量值进行融合;诊断模块,用于基于融合后的特征和空间关系模型进行导管依赖性风险分析。本发明通过自动识别三个切面,然后获取心脏动脉导管形态量化值与9个核心解剖结构,结合深度学习模型实现自动诊断。
技术关键词
超声诊断系统
导管
深度学习网络
XGBoost模型
超声诊断方法
特征提取模块
数据获取模块
诊断模块
超声图像数据
高效多尺度
关系
主动脉
深度学习模型
注意力机制
三尖瓣
左心房
形态
二尖瓣
系统为您推荐了相关专利信息
光束
神经网络模型
湍流
激光相控阵系统
涡旋光场
在线状态监测
功率场效应管
相关系数算法
KPCA算法
信息数据处理终端
空洞卷积神经网络
位点
XGBoost模型
理化特征
矩阵
手势特征识别
标定方法
电压
XGBoost模型
指令