基于深度学习的胸部数字X线质量控制方法

• 作者: 易音巧 王一达 宋阳 杨永贵 汪劭川 郭岗 杨光
• 来源期刊: 计算机应用
• 关键词: 深度学习 数字X线成像 迁移学习 物体检测 图像分类 质量评估
• 年，卷（期）: 2021,（z1）
• 所属期刊栏目: 多媒体计算与计算机仿真|Multimedia computing and computer simulation
• 页码范围: 237-242
• 页数: 6页
• 分类号: TP183
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2020091364

摘要

针对人体摆位姿势影响胸部数字X线成像(DR)质量的这一问题,提出了一种基于深度学习的质量控制方法.首先通过YOLOv3模型实现影响DR胸片图像质量的肩胛骨区域的自动定位;然后,将检测到的肩胛骨区域输入到基于残差网络的深度学习模型对肩胛骨是否推出肋骨外进行自动判断;最后,根据网络输出的结果指导拍片技师进行相应的调整,拍摄质量合格的胸部数字X线成像.实验结果表明,使用YOLOv3模型进行肩胛骨位置检测时,当交并比(IoU)设为0.8时,右侧肩胛骨检测的平均精确率(AP)为98.75％,左侧肩胛骨检测的AP为98.86％,检测结果精确,可用于后续的分类模型.分类网络利用左右肩胛骨区域图像进行分类,在测试集上,接受者操作特性曲线(ROC)下与坐标轴围成的面积(AUC)为0.855.当阈值取0.45时,约旦指数最大,此时准确率为0.789,敏感性为0.801,特异性为0.783,阳性预测率为0.672,阴性预测率为0.876.由此可见,所提出方法可以有效地对肩胛骨是否推出肋骨外进行自动判断,辅助医生对胸部数字X线的图像质量进行控制.