基于深度学习方法的胸片异物检测

作者：侯鹏飞; 沈秀明; 袁明远; 孙九爱^*

来源：中国医学物理学杂志, 2021, 38(12): 1518-1523.

• 胸片
• 异物检测
• 深度学习
• YOLO网络

为了提高胸片异物自动检测的能力,采用深度学习网络高效提取各种尺度和形状的异物影像特征,实现胸片中多种异物的自动稳定检测。在网络构建过程中,根据异物的影像特征,改进YOLO v4目标检测网络,通过在特征提取网络CSPDarkNet53中加入SE-block(Squeeze and Excitation),使模型能够区别利用各个通道的信息。实验结果表明,改进的深度学习网络在异物检测中能够实现92%的精确率和83%的召回率。因此,新的深度学习方法可用于胸片异物检测等应用场景,客观评判摄影质量,为放射影像的质量控制打下基础。

• 单位
  上海健康医学院; 上海理工大学