摘要
本发明公开了一种适用于超声图像的结节检测方法。该方法包括以下步骤:利用集成空间自适应形变增强模块的骨干网络对输入的超声图像进行特征提取,引入可变形卷积提升对不规则边缘区域的感知能力;构建融合全局与局部信息的特征增强模块,基于傅里叶变换和大核卷积的双分支网络对骨干网络提取的特征图进行多尺度融合;将增强后的特征图输入编码器和可交互学习的解码器,实现全局上下文建模与回归解码,通过联合分类与回归损失的复合损失函数训练模型,输出结节检测结果。本发明可广泛适用于多种器官的超声图像结节检测任务,能够有效降低超声科医生的阅片负担,提供客观量化的辅助诊断指标,提升临床诊断的准确性与效率。
技术关键词
解码器
结节检测方法
融合全局
交互机制
模块
采样点
匈牙利匹配算法
网络
编码器特征
生成多尺度
分支
层级
捕获特征
多尺度特征
代表
图像
混合结构
注意力
系统为您推荐了相关专利信息
网络优化系统
支持向量机模型
节点
邻居
通信链路
子模块
生成方法
放疗计划生成系统
模型训练模块
数据获取模块
数控刀具
神经网络模型
零件
非线性特征
近邻算法
汽轮机系统
检修方法
综合健康指数
辅助作业系统
传感器节点
视觉特征
时空注意力机制
多尺度特征金字塔
视频帧
光流场