一种基于特征增强的椎管神经麻醉穿刺引导方法

    公开(公告)号:CN118892349A

    公开(公告)日:2024-11-05

    申请号:CN202411380013.6

    申请日:2024-09-30

    Abstract: 本发明公开了一种基于特征增强的椎管神经麻醉穿刺引导方法,包括以下:S1:构建原始数据集,对原始数据集进行预处理,获取预处理后的数据集;S2:构建穿刺引导模型;导入椎管神经超声图像至特征增强模块中,获得硬脊膜和黄韧带的特征表示;S3:将提取的硬脊膜和黄韧带的特征表示输入到目标检测模块中,识别椎管神经超声图像中的硬脊膜和黄韧带,获得硬脊膜和黄韧带的在图像中的位置坐标;S4:将训练好的特征增强模块和目标检测模块部署于后台服务器,对采集的椎管神经超声图像中硬脊膜和黄韧带的位置进行检测。本发明能够将硬脊膜和黄韧带在图像中的位置信息反馈给麻醉医生,辅助医生进行椎管神经麻醉穿刺。

    一种基于深度学习的臂丛神经麻醉穿刺引导方法及系统

    公开(公告)号:CN118570303B

    公开(公告)日:2024-10-11

    申请号:CN202411049590.7

    申请日:2024-08-01

    Abstract: 本发明公开了一种基于深度学习的臂丛神经麻醉穿刺引导方法及系统,该方法包括构建一个深度去噪自编码器对臂丛神经超声图像进行去噪,并采用去噪图像构建源域、目标域数据集;构建一个多尺度特征提取模块获取源域、目标域数据集中的图像特征来对构建的域泛化深度学习模型进行训练;部署深度去噪自编码器、多尺度特征提取模块以及训练好的域泛化深度学习模型于后台服务器,获取输入的患者臂丛神经超声图像中臂丛神经的位置;本发明可有效去除生理数据中的各种噪声,保留臂丛神经超声图像中臂丛神经的局部细节特征和全局信息,且构建的域泛化深度学习模型只需使用较小规模的数据集进行训练就可以达到臂丛神经识别精度高的效果。

    一种基于领域自适应的腋路神经超声图像语义分割方法

    公开(公告)号:CN119229128A

    公开(公告)日:2024-12-31

    申请号:CN202411714123.1

    申请日:2024-11-27

    Abstract: 本发明公开了一种基于领域自适应的腋路神经超声图像语义分割方法,包括以下:S1:采集腋路神经超声图像,对部分腋路神经超声图像进行标注,接着对所有图像进行预处理,并以此构建数据集;S2:构建语义分割模型并初步监督微调,基于已有的标注数据,获得初步优化的语义分割模型;S3:对S2中获得初步优化的语义分割模型进行聚类原型的自训练;S4:构建领域分类器,进行类别区分;S5:根据编码器的输出引入扰动特征张量,构建一致性损失函数。本发明通过充分挖掘无标注超声图像数据的隐藏信息,减少了对大规模标注数据的依赖。通过自适应聚类生成的伪标签,模型能够自动学习分割特征,显著降低了人工标注的成本,提高了训练效率。

    一种基于深度学习的臂丛神经麻醉穿刺引导方法及系统

    公开(公告)号:CN118570303A

    公开(公告)日:2024-08-30

    申请号:CN202411049590.7

    申请日:2024-08-01

    Abstract: 本发明公开了一种基于深度学习的臂丛神经麻醉穿刺引导方法及系统,该方法包括构建一个深度去噪自编码器对臂丛神经超声图像进行去噪,并采用去噪图像构建源域、目标域数据集;构建一个多尺度特征提取模块获取源域、目标域数据集中的图像特征来对构建的域泛化深度学习模型进行训练;部署深度去噪自编码器、多尺度特征提取模块以及训练好的域泛化深度学习模型于后台服务器,获取输入的患者臂丛神经超声图像中臂丛神经的位置;本发明可有效去除生理数据中的各种噪声,保留臂丛神经超声图像中臂丛神经的局部细节特征和全局信息,且构建的域泛化深度学习模型只需使用较小规模的数据集进行训练就可以达到臂丛神经识别精度高的效果。

Patent Agency Ranking