CN119741297A 基于深度学习的尿酸监测方法_第1页
CN119741297A 基于深度学习的尿酸监测方法_第2页
CN119741297A 基于深度学习的尿酸监测方法_第3页
CN119741297A 基于深度学习的尿酸监测方法_第4页
CN119741297A 基于深度学习的尿酸监测方法_第5页
已阅读5页，还剩13页未读， 继续免费阅读

付费下载

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

(12)发明专利申请(10)申请公布号CN119741297A室(54)发明名称(57)摘要获取经过预处理后的尿酸检测超声波图像，为后续的深获取经过预处理后的尿酸检测超声波图像，为后续的深度学习分析提供高质量的数据基础在经过预处理的超声波图像中，应用深度学习算法对尿酸病理特征进行初步识别，检测出患者的病变区域在识别出病理特征后，获取病理特征位置处的图像信息，对图像信息进行进一步的特征提取，对提取的特征进行异常分析后，基于异常分析后的特征建立数据分析在识别出病理特征位置处存在图像质量异常时，以病理波图像的其他位置随机选取若干个面积为S的圆进行综合分析，将图像质量异常的情况划分为局部异常和整体对于整体异常的超声波图像，发出预警通知，提示相关医疗人员超声波图像拍摄设备存在异常，对于局部异常的超声波图像，建议医疗人员重新扫描病理特征位置处存在图像质量异常的局部区域，获得清晰和准确的局部2收集大量的尿酸检测超声波图像数据，其中包括正常样本和具有明确尿酸病理特征的病变样本；3将超声波图像I划分为多个小块Bi,j,每个小块的大小为n×n像素，则：4 56获取经过预处理后的尿酸检测超声波图像，为数据基础；若图像质量评估系数小于图像质量参考阈值，则生成7将超声波图像I划分为多个小块Bi,j,每个小块的大小为n×n像素，则：对于每个小块Bi,j,使用光流法来检测运动伪影，设ui,j(x,y)和 8 9[0023]使用预处理后的标注数据构建深度学习模型(常用的模型包括卷积神经网络对于每个小块Bi,j,使用光流法来检测运动伪影，设u;j(x,y)和 Imagequality=In(β₁*Motionartifact⁻¹+β₁、β2分别为运动伪影复杂度指数MotionArtifact和深度衰减异常指数获取经过预处理后的尿酸检测超声波图像，为后续的深获取经过预处理后的尿酸检测超声波图像，为后续的深酸病理特征进行初步识别，检测出患者的病变区域在识别出病理特征后，获取病理特征位置处的图像信息，对图像信息进行进一步的特征提取，对提取的特征进行异常分析后，基于异常分析后的特征建立数据分析模型，对病理特征位置处的图像质量进行评估，识别出在识别出病理特征位置处存在图像质量异常时，以病理特征中心处为原点画出一个面积为S的圆，继续在超声波图像的其他位置随机选取若

人人文库> 全部分类> 行业资料 > 各类标准

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论