摘要
针对椎间盘图像灰度值较高及成像图具有不均匀性导致的空间信息难捕捉、特征缺乏语义信息等问题,以磁共振腰椎T2矢状位的椎间盘识别为目标,本文提出一种基于改进CenterNet模型的椎间盘检测算法TCA_CenterNet(top coordinate attention CenterNet),首先在主干特征提取网络顶层(Top)加入坐标注意力机制(coordinate attention,CA),加强网络对椎间盘的关注度,增强模型对目标位置的敏感性;其次采用深浅层特征融合,增强CenterNet提取有效特征的能力,并通过数据增强提高模型的泛化性能.实验结果表明,模型最终的平均精度均值(mean average preci-sion,mAP)达到81.15％,平均帧率为14.2 frame/s,与其他对比算法相比,该改进算法具有更好的准确性与鲁棒性.
基金项目
国家自然科学基金(61703005)
安徽省重点研发计划国际科技合作专项(202004b11020029)
维普
万方数据