本技术公开了超声内镜下病变评估系统、方法及存储介质,所述系统包括:用于对超声内镜图像进行目标检测得到第一目标图像的超声内镜目标识别模块,用于对第一目标图像进行逐层特征提取得到主干特征图的特征提取模块,用于对主干特征图进行融合得到聚合特征图的特征聚合模块,用于基于聚合特征图进行多次解码操作得到分割预测图的解码分割模块,用于根据聚合特征图进行运算得到起源层次、回声水平和疾病分类概率结果并构建并根据预设的常量矩阵校正三维聚合概率矩阵的多组类别预测模块。本发明的分割精度高,能够同时评估起源层次、回声水平、疾病类型,简化了系统复杂度,并通过聚合概率矩阵和常量矩阵的校正,进一步提高评估的准确性和可靠性。
背景技术
超声内镜(Endoscopic Ultrasound, EUS)是现代医学中重要的成像技术之一,广泛应用于消化道疾病的诊断和治疗。特别是在粘膜下肿物病变的评估中,EUS图像能够提供详细的肿物信息,如大小、形态和回声特征。然而,传统的EUS图像在分辨率和清晰度方面存在一定的局限,且依赖于医生的经验进行评估,容易出现主观偏差和诊断误差。
现有智能化的技术中,通常使用多个算法来执行不同任务,来对EUS图像进行评估分析,但仍存在分割精度不高、多个模型直接无法建立关联性信息的缺点,若实现多模型关联则会导致关联系统复杂度很高且稳定性较差。因此,亟需研发一种超声内镜下病变评估系统、方法及存储介质。
实现思路