结合候选区域距离度量学习与CNN分类回归联合的左心室检测

摘要：

心脏MRI左心室自动检测在心脏疾病计算机辅助诊断中具有重要价值,针对左心室候选区域与周边组织分布复杂而导致区分度低的问题,提出结合候选区域2级距离度量学习与CNN分类回归联合学习的左心室检测方法.在候选区域生成阶段,利用超像素产生初始区域并合并为中间区域,设计有监督的2级距离度量学习算法,融合中间区域来构建目标候选区域;在检测阶段,以CNN分类与回归联合学习的方式定位候选区域,并设计难例样本挖掘策略对模型进行微调,以缓解样本不均衡问题.将该方法与扩展的4种变体方法(改变或舍弃部分模块)在公开心脏图谱数据集(CAP)上进行了实验,结果表明该方法中各模块设置具有合理性;与Fast R-CNN和基于SSAE方法的检测结果相比,该方法取得了较高的检测精度.

关键词：左心室检测、候选区域生成、距离度量学习、超像素、卷积神经网络

所属期刊栏目：31

分类号：TP391.41(计算技术、计算机技术)

资助基金：重庆市基础与前沿研究计划cstc2016jcyjA0317

在线出版日期：2019-04-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：474-487