针对肺部计算机断层扫描(CT)影像中人工识别黏液栓效率较低、识别效果不佳等问题，提出一种基于深度神经网络的黏液栓自动识别模型。针对黏液栓不规则的特点，在骨干网络中引入可变形卷积来提取特征，并在检测网络中引入可变形感兴趣区域池化进行特征尺度归一化。针对黏液栓的中小目标特性，提出采用加权特征金字塔网络进行多尺度特征融合。实验结果表明，与传统的更快区域卷积神经网络相比，所提模型的平均精度提升了4%,可为辅助诊断哮喘的严重程度提供参考。
科研之友
微信
新浪微博
Facebook
分享链接
