多尺度特征融合的头影标志点检测

摘要：

头影标志点检测对于临床诊断、治疗计划和研究至关重要.为提高自动检测的准确性,提出一种改进的多尺度特征融合检测模型AIW-Net.采用经过预训练的轻量型网络MobileNetV2作为主干网络进行特征提取,使用上、下采样路径构成中间模块,利用改进的倒残差模块减少下采样过程中的特征损失.在解码器模块中引入从粗到细的中间监督,将得到的多个尺度热图与特征图进行融合,并在跳跃连接中使用注意力门,有效抑制特征图中的背景区域响应.在ISBI 2015 Grand Challenge提供的基准数据集Test 1上进行实验,结果表明,该模型的平均径向误差为1.14 mm,在临床可接受的误差范围2 mm与2.5 mm内的成功检测率分别为86.38％与92.10％,性能优于W-Net、IW-Net等模型.

关键词：标志点检测、多尺度特征融合、倒残差结构、注意力门、热图回归

所属期刊栏目：49

分类号：TP391.41(计算技术、计算机技术)

资助基金：山西省医学重点科研项目;山西省工程项目;山西省回国留学人员科研经费资助项目;山西省高等学校科技创新计划项目

在线出版日期：2023-03-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：271-279