利用关键点检测算法的超声图像定点测量

• 作者: 付忠良 朱锴 陈晓清 陶攀
• 来源期刊: 哈尔滨工业大学学报
• 学科: 工学
• 关键词: 超声心动图 关键点定位 卷积神经网络 损失函数 自动测量
• 年，卷（期）: 2018,（11）
• 页码范围: 67-73
• 页数: 7页
• 分类号: TP391.41
• 字数: 5191字
• 语种: 中文
• DOI: 10.11918/j.issn.0367-6234.201711029

摘要

超声图像的定点距离测量在临床医学上十分重要.由于超声图像的噪声大,边缘模糊,因此关键点自动定位在超声图像中很有挑战性.目前的关键点检测算法通常是针对单个关键点位置进行优化,难以在保证每个关键点检测精度的情况下得到准确的测量距离.为使超声图像中关键点的精度和两个关键点之间的距离更加精确,本文提出一种基于级联卷积神经网络的关键点检测算法,该方法采用两个卷积网络从粗略到精细的对关键点进行定位.首先利用第一个网络回归两个关键点的粗略位置,并将包含这两个关键点的小区域送入第二个网络.然后本文提出一种加入距离修正的损失函数,作为第二个网络的优化目标,在第一个网络输出结果的基础上定位最终的关键点位置.实验结果表明,本文提出的级联方法无论是相比传统的级联方式还是回归树方法,本文算法在超声图像的关键点定位上更为精准,并且在最终的距离测量精度上也有很大的提高,在评价标准下比传统级联方法检测精度上提升将近30％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	付忠良	中国科学院成都计算机应用研究所	50	1542	17.0	39.0
2	陈晓清	中国科学院成都计算机应用研究所	65	1077	19.0	31.0
6	陶攀	中国科学院成都计算机应用研究所	10	32	3.0	5.0
10	朱锴	中国科学院成都计算机应用研究所	8	18	2.0	3.0