| 面向CT图像小目标病灶区域的智能化检测算法研究 |
| |
| 引用本文： | 许金亚,裴颂文.面向CT图像小目标病灶区域的智能化检测算法研究[J].小型微型计算机系统,2023(8):1792-1797. |
| |
| 作者姓名： | 许金亚 裴颂文 |
| |
| 作者单位： | 1. 上海理工大学光电信息与计算机工程学院;2. 中国科学院计算技术研究所计算机体系结构国家重点实验室 |
| |
| 基金项目： | 国家自然科学基金项目(61975124)资助；;上海自然科学基金项目(20ZR1438500)资助；;计算机体系结构国家重点实验室开放课题项目(CARCHA202111)资助； |
| |
| 摘 要： | 由于计算机断层扫描(Computed Tomography, CT)医学图像的大部分病灶区域面积较小，传统目标检测模型容易造成小目标病灶区的漏检和误检.针对此问题，本文提出了一种具有注意力机制的特征金字塔网络(Attention Feature Pyramid Network, AFPN),将特征提取网络的输出结果依次输入到通道注意力模块和空间注意力模块中，并与原来的特征层融合，从而在通道层次和特征点层次上对小目标病灶区分别进行特征增强，减少对病灶区的漏检.同时，本文提出了包含信心分数乘积项的损失函数，可以提高被识别错误的样本损失权重，减少对病灶区的误检.实验结果表明，本文模型在小目标病灶区的平均检测精度比3DCE(3D Context Enhanced region-based CNN)模型提高了5.2%,比MSB(Multi-Scale Booster)模型的检测精度提高了4.4%.
|
| 关 键 词： | 目标检测 医学影像 注意力机制 特征金字塔网络 |
|
|
