面向甲状旁腺检测的椭圆形高斯热图标签分配

作者：李宜剑; 刘莞玲; 陈飞^*; 王波; 赵文新

来源：计算机系统应用, 2023, 32(06): 241-250.

DOI：10.15888/j.cnki.csa.009117

• 甲状旁腺
• 目标检测
• 高斯热图
• 标签分配
• 卷积神经网络
• 深度学习

近年来基于anchor-free的检测方法相继被提出,它们采取将目标转化为关键点,并在全局高斯热图中进行正负样本的标签分配.这种标签分配策略在一些场景中存在正负样本不平衡的问题,而且在甲状旁腺检测中不能有效反映目标的形状和方向.因此,本文提出了一种新的甲状旁腺检测模型EllipseNet,首先在GT中构建椭圆形状的高斯分布,拟合GT中的真正目标,使得正负样本的分配更加细粒度;同时提出融入目标形状信息的损失函数对目标的位置进行约束,进一步提高检测的精度.此外,模型中构建了多尺度预测,能够更好地检测不同大小的目标,解决甲状旁腺检测中目标尺度不平衡的问题.本文在甲状旁腺数据集上进行实验,结果表明, EllipseNet的AP50达到95%,相比多种主流的检测算法,其检测精度有较大的提升.

• 单位
  福建医科大学附属协和医院; 天津大学