基于深度学习的哮喘患者CT影像黏液栓自动识别
针对肺部计算机断层扫描(CT)影像中人工识别黏液栓效率较低、识别效果不佳等问题,提出一种基于深度神经网络的黏液栓自动识别模型.针对黏液栓不规则的特点,在骨干网络中引入可变形卷积来提取特征,并在检测网络中引入可变形感兴趣区域池化进行特征尺度归一化.针对黏液栓的中小目标特性,提出采用加权特征金字塔网络进行多尺度特征融合.实验结果表明,与传统的更快区域卷积神经网络相比,所提模型的平均精度提升了4%,可为辅助诊断哮喘的严重程度提供参考.
黏液栓、深度学习、自动识别算法
45
TP183(自动化基础理论)
中央高校基本科研业务费专项资金项目;国家重点研发计划;首都卫生发展科研专项项目
2022-09-09(万方平台首次上网日期,不代表论文的发表时间)
共6页
58-63