龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：南昌大学第一附属医院
摘要：本发明公开了一种基于深度学习的超声引导桡动脉辅助穿刺方法，包括S1：构建数据集；S2：增强S1中桡动脉超声图像样本数据的特征，获得增强后的桡动脉超声图像；S3：构建训练集和测试集；步骤S4：构建分块特征提取模块，获得提取特征图；步骤S5：构建语义分割模型，模型对S4中的提取特征图进行语义分割，获取分割图像以标定桡动脉的位置。本发明构建语义分割模型，采用层数较少的编码器和解码器结构以突出桡动脉在分割图像的位置，采用平均池化层降低模型参数以防止过拟合；进一步在编码器与解码器之间增加了注意力门控单元用于过滤编码器输出至解码器中的无关环境特征，进一步突出桡动脉在分割图像的位置。
主权项：1.一种基于深度学习的超声引导桡动脉辅助穿刺方法，其特征在于，包括以下步骤：步骤S1：采集桡动脉超声图像样本数据并以此构建数据集；步骤S2：构建图像增强模块，导入步骤S1中的桡动脉超声图像样本数据至图像增强模块，增强步骤S1中桡动脉超声图像样本数据的特征，获得增强后的桡动脉超声图像；步骤S3：基于步骤S2增强后的桡动脉超声图像构建训练集和测试集；步骤S4：构建分块特征提取模块，分块特征提取模块通过图像分割将桡动脉超声图像切割成若干块后分别对每小块图像进行特征提取，从而捕获桡动脉超声图像中的局部特征，以获得提取特征图；步骤S5：构建基于U-net架构的桡动脉超声图像语义分割模型，模型对步骤S4中的提取特征图进行语义分割，获取分割图像以标定桡动脉的位置；其中，模型由4个编码器、4个解码器、Softmax激活函数层和注意力门控单元组成；编码器由深度可分离卷积层、全局平均池化层和下采样池化层组成，解码器结构与编码器对称；在语义分割的过程中，编码器和解码器获得提取特征图的高级语义特征，以突出桡动脉在分割图像的位置；编码器和解码器的平均池化层降低参数量，抑制模型过拟合；注意力门控单元过滤编码器输出至解码器中的无关环境特征，进一步突出桡动脉在分割图像的位置。
全文数据：
权利要求：
百度查询： 南昌大学第一附属医院 一种基于深度学习的超声引导桡动脉辅助穿刺方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号