原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明提供了一种基于主体和边界共同监督的超声图像语义分割方法，通过搭建包括图像输入层、编码器、解码器和预测结果输出层的语义分割网络，使用训练集数据完成指定轮次的训练后，将测试图像输入到训练好的分割网络中，得到最终的分割结果和评估指标，实现了正确预测边界附近像素、提高分割图像的精度的功能。本发明构建的双分支边界和主体监督网络，有效缓解了当前超声图像中存在的声学伪影、病灶和周围组织之间对比度差、边界模糊导致的分割不准的问题，提高了神经网络在超声图像上的分割性能；解决了现有语义分割方法在分割超声图像边
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116012356 A
(43)申请公布日 2023.04.25
(21)申请号 202310086638.0 G06V 10/774 (2022.01)
文档评论（0）