基于尺度循环网络与合成数据的儿科X射线图像自动导管检测
计算机视觉与模式识别
2019-07-04 v1
摘要
导管是常用的生命支持装置。X射线图像用于在放置后立即评估导管位置，因为导管位置不当会引起严重并发症。先前用于检测X射线图像中导管的计算机视觉方法要么依赖于不够鲁棒的底层线索，要么只能处理有限数量或类型的导管。随着深度学习的复兴，监督训练方法开始展现出有前景的结果。然而，这需要密集标注图，且人类标注者的工作难以扩展。在本工作中，我们提出了一种在X射线图像上合成导管的简单方法，以及一种用于导管检测的尺度循环网络。通过在成人胸部X射线上训练，所提出的网络在儿科胸部/腹部X射线上就精确率和召回率而言均展现出有前景的检测结果。
引用
@article{arxiv.1806.00921,
title = {Automatic catheter detection in pediatric X-ray images using a scale-recurrent network and synthetic data},
author = {Xin Yi and Scott Adams and Paul Babyn and Abdul Elnajmi},
journal= {arXiv preprint arXiv:1806.00921},
year = {2019}
}
备注
accepted to the 1st Conference on Medical Imaging with Deep Learning (MIDL2018), Amsterdam, The Netherlands