基于CNN分割的超声扫描目标检测与跟踪方法及其在迷走神经检测中的应用
计算机视觉与模式识别
2021-06-29 v1 图像与视频处理
摘要
超声扫描在多种医学诊断和治疗应用中至关重要。它用于可视化和分析影响治疗方案的解剖特征与结构。然而,它既费力,其有效性又依赖操作者。在扫描时实时、准确且鲁棒地自动检测和跟踪解剖结构,将显著影响诊疗程序的一致性与效率。本文提出一种深度学习框架,用于自动检测并跟踪超声扫描中的特定解剖目标结构。我们的框架设计为跨受试者和成像设备准确且鲁棒、可实时运行且不需要大型训练集。当训练集规模仅为原始训练集的20%时,它仍保持高于90%的定位精确率与召回率。该框架主干是一个基于U-Net的弱训练分割神经网络。我们在两个不同超声数据集上测试了该框架以检测和跟踪迷走神经,其性能优于当前最先进的实时目标检测网络。
引用
@article{arxiv.2106.13849,
title = {A CNN Segmentation-Based Approach to Object Detection and Tracking in Ultrasound Scans with Application to the Vagus Nerve Detection},
author = {Abdullah F. Al-Battal and Yan Gong and Lu Xu and Timothy Morton and Chen Du and Yifeng Bu 1 and Imanuel R Lerman and Radhika Madhavan and Truong Q. Nguyen},
journal= {arXiv preprint arXiv:2106.13849},
year = {2021}
}
备注
7 pages , 4 figures, submitted to the IEEE EMBC 2021 conference