基于深度学习与自适应对比度增强的臂丛神经超声图像优化
现代医学中,利用臂丛神经分割与识别后的图像经过对比度增强优化后,可以更利于医师识别出病症和肿瘤.在上肢手术与术后护理中需要进行麻醉护理,而臂丛神经阻滞是一种常用的局部麻醉方式.为了精确确定臂丛神经的位置,在实际治疗过程中广泛应用超声设备对神经系统进行检测和定位.文中阐述了基于深度学习以及神经网络,在超声动态影像中准确地识别并分割臂丛神经,且在截出的图像中通过自适应对比度增强来优化超声图像的显示.实验数据来自于北京积水潭医院,分为病人的超声影像以及对应的良性恶性肿瘤图片.文中运用了增强对比度的算法对所提取的特征进行处理,结果表明增强了图像的对比度和显示内容的精确度.
臂丛神经、超声图像、自适应增强对比度算法、卷积神经网络、深度学习、图像处理
46
TN399(半导体技术)
北京市自然科学基金重点项目4161004;北京市科技计划项目Z171100000117001;北京市科技计划项目Z161100000216143;国家重点研发计划项目2018ZX10723203
2019-12-19(万方平台首次上网日期,不代表论文的发表时间)
共5页
236-240