Resumen

Las imágenes médicas desempeñan un papel importante en el diagnóstico y la investigación médica. En este artículo se presenta un método de reconstrucción de superresolución basado en el aprendizaje profundo y el aprendizaje por transferencia. El método propuesto contiene una capa de plantilla de interpolación bicúbica y dos capas convolucionales. La capa de plantilla de interpolación bicúbica está prefijada por deducción matemática, y las dos capas convolucionales aprenden de las muestras de entrenamiento. Para guardar las imágenes médicas de entrenamiento, se propone un método de aprendizaje por transferencia basado en la característica SIFT. No sólo se pueden utilizar imágenes médicas para entrenar el método propuesto, sino que también se pueden añadir selectivamente otros tipos de imágenes al conjunto de datos de entrenamiento. En experimentos empíricos, los resultados de ocho imágenes médicas distintivas muestran una mejora de la calidad de la imagen y una reducción del tiempo. Además, el método propuesto también produce bordes ligeramente más nítidos que otros enfoques de aprendizaje profundo en menos tiempo y se proyecta que la arquitectura híbrida de capa de plantilla prefijada y capas ocultas no fijas tiene potencial en otras aplicaciones.

• Materias:Algoritmos de aprendizaje Transductores de ultrasonido Ingeniería de atención Estudio biomecánico Ortesis progresivas estáticas
• Subjects:Learning algorithms Ultrasound transducers Care engineering Biomechanical study Static progressive orthoses
• Palabras claves:capa de plantilla de interpolación bicúbica, método, capas convolucionales, imágenes médicas, otros enfoques de aprendizaje profundo, método de reconstrucción de superresolución, imágenes médicas distintivas, método de aprendizaje de transferencia, imágenes médicas, característica SIFT
• Keywords:bicubic interpolation template layer, method, convolutional layers, medical images, other deep learning approaches, super resolution reconstruction method, distinctive medical images, transfer learning method, Medical images, SIFT feature