基于CenterNet网络的切口疝轻量型补片目标检测研究

扫码查看

原文链接

NETL

中文摘要：切口疝是在腹部手术之后，腹腔脏器或疝内容物经由腹壁缺损区域或薄弱区域逐渐往体表突出的疾病。目前，在腹壁缺损区域或薄弱区域植入补片的腹腔镜切口疝修补术（Laparoscopic Incisional Hernia Repair,LIHR）是一种被绝大数患者接受的治疗选择。轻量型补片由于其厚度轻薄、网孔稀疏、腹壁顺应性强等优势已经成为LIHR中主要修补材料。患者植入补片后由于腹腔内压或剧烈运动等原因，可能导致植入补片移位、收缩或断裂等情况，因此医生会利用自动化乳腺超声（Automated Breast Ultrasound,ABUS）设备对轻量型补片进行成像探查，从而判断患者体内植入补片相关状况。但经由ABUS设备扫描出的轻量型补片超声图像数据量大，且大部分超声图像属于无效图像，这就导致医生在人工检阅时费时费力，且容易出现漏诊误诊等现象。针对以上难点，本文在自行构建轻量型补片数据集基础上，根据轻量型补片超声图像特点，提出一种智能目标检测和分割算法。其相关研究内容如下: 1、针对轻量型补片超声图像数据量大、人工检阅耗时费力等问题，同时针对所提网络参数量较大、检测速度较慢、无法部署移动端等问题，本文提出一种基于CenterNet模型的切口疝轻量型补片检测算法。首先，将原有主干特征提取网络替换成轻量型网络，解决参数量较大的问题;其次，轻量型补片为小目标检测问题，在CenterNet网络特征提取时加入空间金字塔池化模块提高目标特征感受野，以便能获得更多图像细节;最后，在CenterNet算法加入注意力机制模块，让CenterNet算法更加关注图像细节。实验数据显示，本章所提MAC_CenterNet算法其mAP30、mAP50、mAP75分别达到95.61％、94.27％、91.97％,且每秒传输帧数和检测速度分别达到60.58 f·s-1和16.50ms,能够满足超声医生对于患者的实时检测以及未来的移动端部署。 2、进一步针对轻量型补片在患者体内出现移位、皱缩等问题以及医学超声图像数据集小导致模型训练时出现过拟合现象等问题。本章通过构建轻量型补片离体数据集和轻量型补片在体数据集，并将离体数据集看成源域，将在体数据集看成目标域，然后将离体数据集训练得到的权重当做在体数据集的预训练权重，最后采用迁移学习和UNet++模型相结合的方法对切口疝轻量型补片进行准确的语义分割。实验数据显示，迁移学习和UNet++模型相结合的算法表现出更好的分割性能,其 MIoU、HD、DSC 分别达到了 90.19％、3.76mm、95.28％。该研究为切口疝轻量型补片超声图像提供较为准确的定位检测和分割结果，大幅度提高医生在诊断患者时的检测效率，满足实时检测需求，避免出现漏诊误诊现象，具有临床应用辅助诊断价值。同时为后续切口疝轻量型补片的嵌入式移动端部署提供基础。

作者：

张兆民

展开 >

关键词：

切口疝轻量型补片超声图像目标检测语义分割 CenterNet网络

授予学位：

硕士

学科专业：

通信工程（含宽带网络、移动通信等）

导师：

张俊华；吴俊

学位年度：

2023

学位授予单位：

云南大学

语种：

中文

中图分类号：