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 HE Xue-cai;JIN Liang;LI Ming;ZHANG Chen-xi

作者机构：复旦大学基础医学院数字医学研究中心上海200032 上海市医学图像处理与计算机辅助手术重点实验室上海200032 复旦大学附属华东医院放射科上海200040 

基　　金：上海市“科技创新行动计划”项目(19511121302) 

出 版 物：《解剖学报》 (Acta Anatomica Sinica)

年 卷 期：2022年第53卷第3期

页      码：396-401页

摘      要：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。

主 题 词：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 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

核心收录：

D　O　I：10.16098/j.issn.0529-1356.2022.03.019

馆 藏 号：203112200...