论文摘要
针对目前应用于医学影像目标检测的深度学习网络模型仅拥有固定的感受野,无法针对形态尺度差异明显的颈部淋巴结进行有效检测的问题,提出了一种新的基于自适应感受野机制的识别算法,将深度学习首次应用于完全三维医学图像的颈部淋巴结自动识别中。首先,采用半随机采样方法对医学序列图像进行裁剪,生成基于网格的局部图像块及对应真值标签;然后,通过局部图像块及标签构建并训练基于自适应感受野机制的DeepNode网络;最后,利用预训练的DeepNode网络模型进行预测,通过输入整体序列图像,可以端到端且快速地获得整体序列对应的颈部淋巴结识别结果。在颈部淋巴结数据集中,采用DeepNode网络识别颈部淋巴结的召回率可达98.13%,精确率可达97.38%,每次扫描的假阳性数量仅为29,同时耗时相对较短。实验结果分析表明,与当前表现优良的二维与三维卷积神经网络相结合的算法、三维通用目标检测算法、基于弱监督定位的识别算法等相比,所提算法可以实现颈部淋巴结的自动识别,并取得最优的识别效果。该算法端到端,简单高效,易于扩展到其他医学图像的三维目标检测任务中,可应用于临床的诊断和治疗。
论文目录
文章来源
类型: 期刊论文
作者: 秦品乐,李鹏波,张瑞平,曾建潮,刘仕杰,徐少伟
关键词: 颈部淋巴结检测,计算机辅助诊断,注意力机制,自适应感受野,三维医学影像
来源: 计算机应用 2019年12期
年度: 2019
分类: 信息科技,医药卫生科技
专业: 临床医学,生物医学工程,计算机软件及计算机应用,自动化技术
单位: 中北大学大数据学院,山西白求恩医院,山西医科大学第一医院
分类号: R445;TP391.41;TP18
页码: 3535-3540
总页数: 6
文件大小: 1299K
下载量: 103