Faster RCNN和LGDF结合的肝包虫病CT图像病灶分割

作者：***; 王正业; 李丰军; 严传波^*

来源：电子技术应用, 2021, 47(07): 33-43.

DOI：10.16157/j.issn.0258-7998.200923

• faster RCNN
• LGDF
• 深度学习
• 目标检测
• 病灶分割

针对人工阅片工作量大、阅片质量不佳且容易出现漏检、错判等问题,将Faster RCNN目标检测模型应用于肝包虫病CT图像的检测,并对目标检测模型进行改进:基于图片分辨率低、病灶大小不同的特点,使用网络深度更深的残差网络(ResNet101)代替原来的VGG16网络,用以提取更丰富的图像特征;根据目标检测模型得出的病灶坐标信息引入LGDF模型进一步对病灶进行分割,从而辅助医生更高效的诊断疾病。实验结果表明,基于ResNet101特征提取网络的目标检测模型能够有效提取目标的特征,检测准确率相比原始检测模型提高2.1%,具有较好的检测精度。同时,将病灶坐标信息引入LGDF模型,相比于原始的LGDF模型更好地完成了对肝包虫病病灶的分割,Dice系数提高了5%,尤其对多囊型肝包虫病CT图像的分割效果较好。

• 单位
  新疆医科大学; 公共卫生学院