结合目标检测与匹配修正的手腕骨兴趣区域提取

• 作者: 毛科技 汪敏豪 陈立建 陆伟 武坤秀 陈庆章 赵小敏
• 来源期刊: 中国图象图形学报
• 学科: 工学
• 关键词: 兴趣区域(ROI) 目标检测 位置匹配 大数据 滑动窗口
• 年，卷（期）: 2022,（3）
• 所属期刊栏目: 研究应用|Research and Application
• 页码范围: 973-987
• 页数: 15页
• 分类号: TP391.41
• 语种: 中文

摘要

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.