改进Mask R-CNN网络在医学图像识别与分割中的应用

摘要：

针对现有医学图像处理方法在人体复杂结构组织器官分割中的不足,提出复用低层特征信息的Mask R-CNN网络.该网络可对特定组织器官识别时同时进行分割,为了提高包含较多细节信息的低层特征层的利用率,将低层的特征信息添加到高层的特征中,使低层与高层特性优劣互补,将原始图像首次长宽压缩两次后的特征层定义为C1层,而后分别通过复用C1层和复用依次卷积的C1层这两种方法实现.并将主干网络进行了精简,以加快网络的训练速度,降低识别和分割的时间.以下颌骨作为应用对象,自建包含1064张下颌骨CT图片的数据集,按9:1的比例划分为训练集和验证集进行训练,使得复用依次卷积C1层的Mask R-CNN网络的训练损失降至2.8％,验证损失降至6.6％,表明该网络在下颌骨的识别和分割上具有很高的准确率.

关键词：神经网络;特征融合;医学图像处理;下颌骨识别与分割;时间成本

所属期刊栏目：57

分类号：TP391(计算技术、计算机技术)

资助基金：贵州省科技支撑计划黔科合支撑[2020]4Y140号

在线出版日期：2021-12-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：234-241