基于全局注意力多任务网络方法的CT图像细小骨折检测研究 |
| |
作者姓名: | 李瑞瑞 杨晓光 孙世豪 季尚蔚 |
| |
作者单位: | 1. 北京富通东方科技有限公司;2. 首都医科大学附属北京天坛医院离退休办公室;3. 首都医科大学附属北京积水潭医院创伤骨科 |
| |
基金项目: | 国家重点研发计划“基础科研条件与重大科学仪器设备研发”专项(2021YFF0704100)~~; |
| |
摘 要: | 目的:通过全局注意力多任务网络提升CT图像细小骨折检测的感知,通过多任务实现实例级别细小骨折目标的检测,快速、准确地从大量CT图像中识别并定位骨折,以辅助临床及时开展治疗。方法:引入分组非局部(non-local)网络方法,计算CT图像连续切片任何位置和通道之间的远程依赖关系,将多目标检测模型3DRetinaNet单级检测器与医学图像语义分割(3DU-Net)架构相融合,实现端到端的多任务3D卷积网络,以多任务联合的方式实现对细小骨折的实例级别检测。选择医学图像计算与计算机辅助干预(MICCAI)2020挑战赛提供的肋骨骨折公开数据集(RibFracDataset)600例CT扫描图像,通过5∶1的比例划分为训练集(500例)和验证集(100例),测试多任务3D卷积网络的精度性能。结果:多任务3D卷积网络方法的检测精度性能优于单任务网络FracNet、3D RetinaNet及3D Retina U-Net,其平均精度与3D RetinaNet和3D Retina U-Net网络相比分别高出7.8%和11.4%,且优于3D Faster R-CNN、3D Mask R-CNN两种单任务...
|
关 键 词: | 三维卷积神经网络 全局注意力 多任务网络 非局部 CT图像 肋骨骨折数据集(RibFrac Dataset) |
|