基于卷积神经网络的超声图像冈上肌腱病变自动识别
图像与视频处理
2020-11-25 v1 计算机视觉与模式识别
摘要
肌腱损伤如肌腱病变、全层及部分厚度撕裂十分常见，其中冈上肌腱（SST）是肩袖中最易受损的肌腱。SST肌腱病变的早期诊断至关重要，且难以通过超声成像实现。本文提出一种基于卷积神经网络的肌腱病变自动识别框架以辅助诊断。该框架包含肌腱分割与分类两个核心部分。肌腱分割通过一种新颖的网络NASUNet完成，其遵循编码器-解码器架构范式并利用多尺度Enlarging cell。此外，本文提出了一种通用的分类流程用于肌腱病变识别，其支持以不同基础模型作为特征提取引擎。我们引入了包含肌腱区域位置信息的两种特征图作为网络输入，使分类网络具备空间感知能力。为评估该肌腱病变识别系统，我们采集了由100张SST超声图像组成的数据集，其中肌腱病变病例经磁共振成像双重验证。在分割与分类两项任务中，训练数据不足的问题通过引入知识迁移、迁移学习与数据增强技术得以弥补。在交叉验证实验中，所提肌腱病变识别模型达到了91%准确率、86.67%灵敏度与92.86%特异度，展现出优于其他模型的state-of-the-art性能。
引用
@article{arxiv.2011.11777,
title = {Automatic Recognition of the Supraspinatus Tendinopathy from Ultrasound Images using Convolutional Neural Networks},
author = {Mostafa Jahanifar and Neda Zamani Tajeddin and Meisam Hasani and Babak Shekarchi and Kamran Azema},
journal= {arXiv preprint arXiv:2011.11777},
year = {2020}
}