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K_net深度学习的医疗影像识别方法，A、将超声影像自动切出有效区域：B、采用K_net对自动切割的超声影像进行识别：将超声影像通过卷积特征提取处理；再进行反卷积特征叠合处理，输出预测结果M中的目标特征所在位置进行强化形成强化区域；逐次将编码器中的每一个卷积特征提取数据Z单独提出，将输出预测结果M经过形状规格一致化处理，获得相同形状变形的注视区域映射结果M’，将每一个卷积特征提取数据Z与注视区域映射结果M’相乘积获取叠合形态的注视特征图示F，即使得强化区域与输入的初始超声影像
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 113688892 A
(43)申请公布日 2021.11.23
(21)申请号 202110946140.8
(22)申请日 2021.08.18
(71)申请人 青岛
文档评论（0）