面向CT图像小目标病灶区域的智能化检测算法研究
面向CT图像小目标病灶区域的智能化检测算法研究
复制标题
DOI：
10.20009/j.cnki.21-1106/tp.2021-0987
复制
发表时间：
2023
期刊：
影响因子：
--
通讯作者：
裴颂文
中科院分区：
文献类型：
--
作者：
许金亚;裴颂文
由于计算机断层扫描(Computed Tomography,CT)医学图像的大部分病灶区域面积较小,传统目标检测模型容易造成小目标病灶区的漏检和误检.针对此问题,本文提出了一种具有注意力机制的特征金字塔网络(Attention Feature Pyramid Network,AFPN),将特征提取网络的输出结果依次输入到通道注意力模块和空间注意力模块中,并与原来的特征层融合,从而在通道层次和特征点层次上对小目标病灶区分别进行特征增强,减少对病灶区的漏检.同时,本文提出了包含信心分数乘积项的损失函数,可以提高被识别错误的样本损失权重,减少对病灶区的误检.实验结果表明,本文模型在小目标病灶区的平均检测精度比3DCE(3D Context Enhanced region-based CNN)模型提高了5.2%,比MSB(Multi-Scale Booster)模型的检测精度提高了4.4%.