基于完全融合集成网络候选框的肋骨骨折检测方法

作者：何学才; 金倞; 李铭^*; 章琛曦^*

来源：解剖学报, 2022, 53(03): 396-401.

DOI：10.16098/j.issn.0529-1356.2022.03.019

• 深度学习
• 肋骨
• 骨折
• 目标检测
• 集成检测网络
• 完全框融合
• 分割
• 算法
• 人

目的 提出一种新型的肋骨骨折检测网络Rib-Net,探讨其进行肋骨骨折检测的可行性与准确性，以减少骨折漏诊案例。方法 采用公开数据集RibFrac Dataset,其数据集划分为训练集(420例)、验证集(80例)及测试集(160例)。Rib-Net由目标检测集成网络ED-Net、完全候选框融合算法(CBF)与分割模型3D Unet构成。首先，集成Retina Unet、UFRCNN+与Mask RCNN组成ED-Net,预测肋骨骨折候选框；其次，设计全新的CBF,融合存在重叠的骨折候选框，生成定位精准、置信度准确的候选框；最后，利用Unet对肋骨骨折进行分割，实现肋骨骨折的进一步精确定位。结果 在“MICCAI 2020 RibFrac Challenge:Rib Fracture Detection and Classification”挑战赛平台上，Rib-Net检测结果达到了最优成绩，其召回率、无限制接受者操作特性曲线(FROC)值及Dice相似指数分别为92.3%,0.859和0.61。结论 Rib-Net网络可高效精准地对胸部CT影像进行肋骨骨折检测定位，有效协助医生做出准确诊断。

• 单位
  复旦大学; 基础医学院