基于深度学习目标检测模型的腕部X光图像骨折检测
图像与视频处理
2022-02-09 v3 计算机视觉与模式识别
机器学习
医学物理
摘要
医院，尤其是急诊科，会接收大量腕部骨折病例。为了正确诊断和适当治疗这些病例，医生必须查看从各种医疗设备获得的图像，同时结合患者的病历和体格检查。本研究旨在利用深度学习对腕部X光图像进行骨折检测，以支持医生（尤其是在急诊科）对这些骨折的诊断。使用基于深度学习的目标检测模型（包括SABL、RegNet、RetinaNet、PAA、Libra R_CNN、FSAF、Faster R_CNN、Dynamic R_CNN和DCN）以及各种骨干网络，在加齐大学医院的腕部X光图像数据集上执行了20种不同的骨折检测程序。为了进一步改进这些程序，开发了五种不同的集成模型，然后将其重组为一个集成模型，以开发一个独特的检测模型——腕部骨折检测组合（WFD_C）。在26种不同的骨折检测模型中，WFD-C模型获得了最高的检测结果，平均精度（AP50）为0.8639。华为土耳其研发中心在加齐大学、华为和Medskor之间正在进行的合作项目（编号071813）范围内支持本研究。代码可在 https://github.com/fatihuysal88/wrist-d 获取。
引用
@article{arxiv.2111.07355,
title = {Fracture Detection in Wrist X-ray Images Using Deep Learning-Based Object Detection Models},
author = {Fırat Hardalaç and Fatih Uysal and Ozan Peker and Murat Çiçeklidağ and Tolga Tolunay and Nil Tokgöz and Uğurhan Kutbay and Boran Demirciler and Fatih Mert},
journal= {arXiv preprint arXiv:2111.07355},
year = {2022}
}
备注
This paper is accepted at Sensors, MDPI, 2022, 22, 1285. Section: "Sensing and Imaging"