创伤患者颅内出血检测
计算机视觉与模式识别
2024-08-21 v1
摘要
全身 CT 用于多创伤患者以查找所有损伤。由于初步评估需要快速进行，且病变搜索针对全身，因此分配给特定解剖结构检查的时间非常有限。尤其是颅内出血仍然会被漏诊，临床学生尤为如此。在本工作中，我们提出了一种深度学习方法用于突出显示此类病变以提高诊断准确性。虽然大多数颅内出血研究执行的是分割，但检测仅需边界框来定位出血位置。本文提出了一种新颖的体素完整 IoU（VC-IoU）损失函数，鼓励网络学习边界框的三维宽高比，从而实现更精确的检测。我们在公开可用的数据集上广泛进行了脑出血检测实验，并在一个私有队列上进行了验证，分别取得了 0.877 AR30、0.728 AP30 和 0.653 AR30、0.514 AP30 的结果。与其他损失函数相比，这些结果在两组数据集上实现了平均召回率相对 +5% 的提升。最后，由于目前公开可用的三维目标检测数据很少，且临床环境中的标注资源有限，我们评估了不同标注方法的成本，以及训练数据中边界框不精确对检测性能的影响。
引用
@article{arxiv.2408.10768,
title = {Detection of Intracranial Hemorrhage for Trauma Patients},
author = {Antoine P. Sanner and Nils F. Grauhan and Marc A. Brockmann and Ahmed E. Othman and Anirban Mukhopadhyay},
journal= {arXiv preprint arXiv:2408.10768},
year = {2024}
}