基于改进UNET神经网络的医学图像分割装置及采用该装置的子宫体超声图像分析方法.pdf
一只****写意
亲,该文档总共18页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于改进UNET神经网络的医学图像分割装置及采用该装置的子宫体超声图像分析方法.pdf
本发明公开了一种基于改进UNET神经网络的医学图像分割装置,该医学图像分割装置基于改进UNET的USNET网络,包括多个卷积子网和一个输出卷积层;多个所述卷积子网具有尺寸不小于3×3的卷积核,其尺寸从输入到输出逐步增大;每个所述卷积子网的最后均有1个池化层,所述池化层的最大池化操作步长设置为1,不使用降采样和升采样;本发明还公开了应用前述USNET网络进行超声图像分割的子宫体超声图像分析方法。与通常的UNET深度神经网络不同,各个卷积子网结构相同,只是卷积核大小和池化层操作尺寸不同,可以在不降低空间分辨的
基于UNet卷积神经网络的膀胱超声图像分割方法及装置.pdf
本发明提供了一种基于UNet卷积神经网络的膀胱超声图像分割方法及装置,所述方法包括,利用超声扫描设备获取人体的膀胱超声图像;构建膀胱超声图像的训练集和测试集,训练集和测试集中包括了经过标注和数据增强处理后的所有膀胱超声图像数据;构建UNet卷积神经网络模型,所述UNet卷积神经网络模型包括下采样层和上采样层;利用膀胱超声图像的训练集图像数据对构建的UNet网络模型进行训练,生成网络模型,并利用膀胱超声图像的测试集图像数据对模型效果进行测试;利用训练好的UNet网络模型对超声设备获取的实际膀胱超声图像进行分
医学超声图像分割方法及装置.pdf
本发明提供了一种医学超声图像分割方法及装置,所述方法包括,利用超声扫描设备获取人体超声图像;对语义分割模型进行训练,得到语义分割预测模型;根据语义分割预测模型,对待检测图像进行分割;对分割的待检测图像进行优化处理,得到最终的目标区域。本发明的有益效果在于:通过将深度学习方法与传统图像处理方法相结合,可以有效解决超声图像信噪比比较低时容易产生的分割不准确的问题,能提高膀胱超声图像的分割精度,提高算法的抗干扰性能。
图像分割方法及图像分割装置.pdf
本发明的实施例中公开了一种图像分割方法和图像分割装置,所述方法包括:使图像采集装置对目标区域进行图像的数据采集;使激光扫描装置对所述目标区域进行点云的数据采集;对所述点云进行分类;将所述点云映射为图像采集装置成像平面上的投影点;获取每个类别点云对应的投影点的在成像平面上的分割轮廓;根据所述分割轮廓,对所述图像进行分割。本发明能提高图像分割的准确性。
用于图像捕捉装置的罩面加工方法及采用该方法的图像捕捉装置.pdf
本发明公开了一种用于图像捕捉装置的罩面加工方法,其特征在于包括有以下步骤:(1)开具罩面模具;(2)将上模和下模分模,将至少两个金属螺母嵌件间隔放置于罩面模具的内表面固定,接着将热固性导电树脂倒入下模内;(3)将上模和下模合模,热固性导电树脂材料在加压加热条件下固化成型为具有安装孔的罩面本体;(4)将上模和下模分模,得到埋设有金属螺母嵌件的罩面本体;(5)将透明面板安装在罩面本体的安装孔中,罩面本体、金属螺母嵌件和透明面板共同组成有所需的罩面。与现有技术相比,本发明的罩面加工方法制得的罩面除雾成本低且不影