多智能体深度强化学习驱动的医学影像病灶检测方法

摘要

医学影像病变检测因训练时间长、收敛慢及早期检测中难以捕捉细微特征而具有挑战性。为此，本文提出一种多智能体强化学习系统用于三维医学影像标志点检测。该系统融合优先经验回放（PER）与Nash-A3C算法，以提升检测精度与效率。通过PER优化经验回放，并利用Nash-A3C引入智能体间竞争以稳定状态。在832例成人MRI与72例胎儿超声脑成像数据集上实验表明，该框架使检测精度较以往模型提升约1mm，各智能体数量下误差均缩小0.2mm以上。

关键词

优先经验回放 / Nash-A3C / 多智能体竞争 / 病变检测