基于注意力YOLOv4框架从胎儿超声四腔心切面自动检测心脏腔室
计算机视觉与模式识别
2020-12-15 v2 图像与视频处理
摘要
超声心动图是产前早期诊断胎儿先天性心脏病（CHDs）的有力工具。四腔（FC）切面是超声心动图图像中关键且易于获取的超声（US）图像。FC切面的自动分析对CHDs的早期诊断有重要贡献。自动分析胎儿FC切面的第一步是在US图像中定位胎儿心脏的四个关键腔室。然而，由于US图像中大量散斑、胎儿心脏腔室体积小且位置不固定，以及腔室相似性导致的类别混淆等关键因素，这是一项极具挑战的任务。这些因素阻碍了鲁棒且具判别性特征的提取，从而破坏了胎儿心脏解剖腔室的精确定位。因此，我们首先提出多阶段残差混合注意力模块（MRHAM）以改进特征学习。随后，我们提出一种改进的YOLOv4检测模型，即MRHAM-YOLOv4-Slim。特别地，在MRHAM-YOLOv4-Slim的主干网络中，残差恒等映射被MRHAM替代，从而精确锁定胎儿FC切面中的四个重要腔室。大量实验表明，我们提出的方法优于当前最优方法，包括精度0.919、召回率0.971、F1分数0.944、mAP 0.953以及每秒帧数（FPS）43。
引用
@article{arxiv.2011.13096,
title = {Automatic Detection of Cardiac Chambers Using an Attention-based YOLOv4 Framework from Four-chamber View of Fetal Echocardiography},
author = {Sibo Qiao and Shanchen Pang and Gang Luo and Silin Pan and Xun Wang and Min Wang and Xue Zhai and Taotao Chen},
journal= {arXiv preprint arXiv:2011.13096},
year = {2020}
}