+ 放大
- 缩小
基于Faster RCNN网络对于胸部正位DR图像异物的自动检测
张庆雷 , 胡安宁
南京大学医学院附属鼓楼医院
摘要:
【摘要】目的：探讨快速区域卷积神经网络（Faster RCNN）在胸部数字X线（DR）图像异物自动检测中的应用价值。方法：对不同机器拍摄的773张胸部DR图像进行分类标注并将其作为训练集用于Faster RCNN 的训练，将另外219张胸部DR图像作为测试集用于检测效果。使用开源分割工具ImageJ对左右肺野以及异物进行标注，其中左右肺野采用区域标记，异物则采用包围框标记。标注为三类：图像无异物，图像有肺野内异物，图像有肺野外异物。将检测结果用三分类混淆矩阵表示，并计算三类图像的召回率和精确率，及最终分类的准确度。结果：图像无异物，图像有肺野内异物和图像有肺野外异物的召回率分别为95%、78%和82%，精确率分别为90%、98%和75%；最终三分类结果的准确度为88%。结论： Faster RCNN 可基本满足影像质量控制工作中自动检测DR图像异物的要求，但对异物分类从而进行高级别质控管理，还需进一步更大的数据集和更加细致的特征标记。
