基于先验知识优化的医学图像候选区域生成方法

摘要

针对钙化斑块区域小、与非斑块区域易混淆的特点，本文提出一种医学先验知识引导的候选区域生成优化方法。该方法基于目标检测网络Faster R-CNN，通过锚框的位置与形状两方面优化候选区域生成。利用钙化斑块定义生成指导掩码图像，筛选候选区域生成位置。采用锚框形状预测分支生成候选区域形状。针对特征金字塔网络中不同尺度的特征图，提出多尺度的指导掩码金字塔。在CCTA图像中检测钙化斑块的实验结果表明：与集成标准RPN的Faster R-CNN模型相比，本文方法的AP与Recall分别提高12.8%与25.7%；在平均每张图像假阳性数量为2的情况下，本文方法 Recall值达到86.05%。

关键词

计算机应用 / 钙化斑块检测 / 先验知识 / 深度学习 / 医学图像