摘要
本发明涉及影像处理技术领域，公开了一种基于深度学习的超声图像自动分割与识别方法，包括以下步骤：S1、数据准备与预处理，S2、自监督学习预训练，S3、迁移学习与增量学习，S4、多任务联合学习，S5、图像质量增强与超分辨率重建：S6、多模态信息融合，通过结合模态图像进行信息融合，S7、模型训练与优化，通过利用数据增强技术增加数据多样性。通过将超声图像与模态的图像信息进行融合，让超声图像的分割精度和病变识别能力，不同模态图像提供了互补的特征，在复杂病变、位置复杂、形态复杂和早期病变的识别上展现了显著优势，同时通过深度学习模型融合了不同模态的图像，能够提高图像质量并提升诊断准确性。
