结合目标检测与匹配修正的手腕骨兴趣区域提取
目的 在骨龄智能评估研究中,如何准确地提取手腕参照骨的兴趣区域(region of interest,ROI)是保证骨龄精确评估的关键.基于传统深度学习的方法用于手腕骨ROI提取,存在个别参照骨漏判、误判等情况,导致平均提取准确率较低.本文结合目标检测强大的定位和识别能力,以准确提取所有手腕骨ROI为目的,提出了一种参照骨自动匹配与修正方法.方法 针对不同参照骨形状、位置等特征表现出的规律性和关联性,本文采集了大量不同性别、不同年龄段的人手腕图谱作为参照骨样本匹配,然后分多个阶段提取参照骨ROI:1)基于目标检测算法初步提取出所有参照骨候选ROI,并根据一定的阈值剔除置信度较低的区域;2)结合参照骨的大数据样本构建位置点匹配模型,对剔除区域进行自动匹配与填补,保证ROI提取的完整性;3)通过多尺度滑动窗口以及ROI分类模型,对填补得到的ROI位置进行滑动修正,进一步保证提取准确率.结果 实验结果表明,本文结合目标检测与匹配修正的方法优于现有绝大多数方法.其中,匹配修正方法在目标检测算法的提取结果基础上,提升了约1.42％的平均准确率,当结合Faster R-CNN(region-convolutional neural network)算法时能达到最高98.45％的交并比(intersec-tion-over-union,IoU)准确率.结论 本文方法利用手腕骨的位置特征,对个别提取困难的参照骨类型进行重新匹配与修正,有效地弥补了传统方法泛化能力不足的缺点.本文方法能够同时面向人手腕中所有参照骨ROI提取,具备良好的扩展性和易操作性.
兴趣区域(ROI);目标检测;位置匹配;大数据;滑动窗口
27
TP391.41(计算技术、计算机技术)
国家自然科学基金;浙江省重点研发计划项目;浙江省公益技术应用研究项目;浙江省公益技术应用研究项目
2022-03-25（万方平台首次上网日期，不代表论文的发表时间）
共15页
973-987
