期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到2篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
医学图像检测和分割模型在肋骨骨折诊断中的应用进展
1
作者 赵婷婷 郭宇 +3 位作者 才佳 罗嗣频 孙志伟 畅卫功 《天津科技大学学报》 2025年第1期1-12,34,共13页
肋骨骨折是一种高发疾病,具有较高的误诊率,对于医学图像处理技术的诊断速度和准确率要求较高,而图像检测与分割是实现肋骨骨折诊断的关键技术。本文综述了当前医学图像检测和分割模型在肋骨骨折诊断中的研究进展。首先对当前主流的图... 肋骨骨折是一种高发疾病,具有较高的误诊率,对于医学图像处理技术的诊断速度和准确率要求较高,而图像检测与分割是实现肋骨骨折诊断的关键技术。本文综述了当前医学图像检测和分割模型在肋骨骨折诊断中的研究进展。首先对当前主流的图像检测和分割模型进行了系统介绍,然后对现有模型进行归纳和总结,分析了基于深度模型骨折诊断的各种算法,最后利用RibFrac挑战赛的公共数据库对模型进行对比分析。研究表明,基于图像检测和分割的肋骨骨折诊断方法在临床上已经有了长足的发展。然而,模型训练过程中容易受到样本数据的干扰,三维数据需要耗费大量的时间和资源,并且新模型和新技术难以实现。因此,在肋骨骨折诊断方面,图像检测和分割模型仍面临着许多挑战,有较大的发展空间。 展开更多
关键词 图像检测模型 图像分割模型 肋骨骨折 ribfrac U-Net
在线阅读 下载PDF
基于全局注意力多任务网络方法的CT图像细小骨折检测研究
2
作者 李瑞瑞 杨晓光 +1 位作者 孙世豪 季尚蔚 《中国医学装备》 2024年第3期12-18,共7页
目的:通过全局注意力多任务网络提升CT图像细小骨折检测的感知,通过多任务实现实例级别细小骨折目标的检测,快速、准确地从大量CT图像中识别并定位骨折,以辅助临床及时开展治疗。方法:引入分组非局部(non-local)网络方法,计算CT图像连... 目的:通过全局注意力多任务网络提升CT图像细小骨折检测的感知,通过多任务实现实例级别细小骨折目标的检测,快速、准确地从大量CT图像中识别并定位骨折,以辅助临床及时开展治疗。方法:引入分组非局部(non-local)网络方法,计算CT图像连续切片任何位置和通道之间的远程依赖关系,将多目标检测模型3D RetinaNet单级检测器与医学图像语义分割(3D U-Net)架构相融合,实现端到端的多任务3D卷积网络,以多任务联合的方式实现对细小骨折的实例级别检测。选择医学图像计算与计算机辅助干预(MICCAI)2020挑战赛提供的肋骨骨折公开数据集(Rib Frac Dataset)600例CT扫描图像,通过5∶1的比例划分为训练集(500例)和验证集(100例),测试多任务3D卷积网络的精度性能。结果:多任务3D卷积网络方法的检测精度性能优于单任务网络FracNet、3D RetinaNet及3D Retina U-Net,其平均精度与3D RetinaNet和3D Retina U-Net网络相比分别高出7.8%和11.4%,且优于3D Faster R-CNN、3D Mask R-CNN两种单任务网络检测方法,平均精度分别高出约6.7%和3.1%。结论:全局注意力多任务网络融合不同模块,对于细小骨折检测性能均有提升,引入分组非局部(Non-local)网络方法能够进一步提升对细小骨折目标的检测精度性能。 展开更多
关键词 三维卷积神经网络 全局注意力 多任务网络 非局部 CT图像 肋骨骨折数据集(ribfrac Dataset)
暂未订购
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部