结合候选区域距离度量学习与CNN分类回归联合的左心室检测

• 作者: 牛彦敏 王旭初 翟随强 葛永新
• 来源期刊: 计算机辅助设计与图形学学报
• 学科: 工学
• 关键词: 左心室检测 候选区域生成 距离度量学习 超像素 卷积神经网络
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 图像与视觉
• 页码范围: 474-487
• 页数: 14页
• 分类号: TP391.41
• 字数: 11223字
• 语种: 中文
• DOI: 10.3724/SP.J.1089.2019.17200

摘要

心脏MRI左心室自动检测在心脏疾病计算机辅助诊断中具有重要价值,针对左心室候选区域与周边组织分布复杂而导致区分度低的问题,提出结合候选区域2级距离度量学习与CNN分类回归联合学习的左心室检测方法.在候选区域生成阶段,利用超像素产生初始区域并合并为中间区域,设计有监督的2级距离度量学习算法,融合中间区域来构建目标候选区域;在检测阶段,以CNN分类与回归联合学习的方式定位候选区域,并设计难例样本挖掘策略对模型进行微调,以缓解样本不均衡问题.将该方法与扩展的4种变体方法(改变或舍弃部分模块)在公开心脏图谱数据集(CAP)上进行了实验,结果表明该方法中各模块设置具有合理性;与Fast R-CNN和基于SSAE方法的检测结果相比,该方法取得了较高的检测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	葛永新	重庆大学大数据与软件学院	14	164	6.0	12.0
2	王旭初	重庆大学光电技术及系统教育部重点实验室	17	106	6.0	10.0
6	牛彦敏	重庆大学光电工程学院	3	6	2.0	2.0
10	翟随强	重庆大学光电工程学院	1	0	0.0	0.0