超声图像中颈动脉血管自动识别算法研究

论文摘要

在多数情况下,基于深度学习进行医学图像分割问题非常依赖于人工标记感兴趣区域（ROI）。针对这个问题,本文提出引入在自然图像目标检测问题上有优秀表现的 Faster R-CNN 算法进行超声图像中血管ROI 的自动检测,平均交并比（IoU）为 90.12%。Faster R-CNN 算法应用在医学图像目标检测问题上具有训练周期短,消耗内存小,预测速度快的优点。将 Faster R-CNN 与 U-Net 相结合能够实现超声图像中血管的完全自动分割,对于开发计算机辅助诊疗系统有临床价值。

论文目录

• 1、引言
• 2、相关工作
• 3、Faster R-CNN 算法简介
• 4、实验步骤
• 5、实验结果分析
• 6、总结与展望

文章来源

类型: 期刊论文

作者: 刘琼,戴柯,周然,黄文健,丁明跃

关键词: 超声,图像处理,目标检测,计算机辅助诊断

来源: 生命科学仪器 2019年06期

年度: 2019

分类: 工程科技Ⅱ辑,医药卫生科技,信息科技

专业: 临床医学,计算机软件及计算机应用,自动化技术

单位: 华中科技大学生命科学与技术学院生物医学工程系,分子生物物理教育部重点实验室

基金: 国家自然科学项目(编号:81571754),国家级大学生创新创业计划资助项目(编号:201910487065)

分类号: R445.1;TP391.41;TP18

页码: 109-112+108

总页数: 5

文件大小: 1512K

下载量: 82