基于 X 射线图像线特征的人工神经网络长骨骨折检测
计算机视觉与模式识别
2019-02-21 v1
摘要
提出并讨论了两种基于线的骨折检测方案，即标准基于线的骨折检测与自适应差分参数优化（ADPO）基于线的骨折检测。这两种基于线的骨折检测方案旨在利用基于已识别模式提取的特征，从 X 射线图像中检测骨折线，以区分骨折线与非骨折线。两方案之差异在于细节线的检测：ADPO 方案优化概率霍夫变换（Probabilistic Hough Transform）的参数，从而检测骨折区域内的颗粒线，而标准方案无法检测它们。线由概率霍夫函数（Probabilistic Hough Function）检测，所检测线为图像边缘对象的表示。线以点形式 (x,y) 给出，包含起点与终点。基于给定线点，从每条线提取 13 个特征作为线信息摘要，这些特征用于对所检测线进行骨折与非骨折分类。分类由人工神经网络（ANN）执行。采用两种评估以评价系统整体与 ANN：标准方案平均准确率达 74.25%，ADPO 方案平均准确率为 74.4%。选用 ADPO 方案而非标准方案，但可通过检测轮廓及其提取特征进一步改进。
引用
@article{arxiv.1902.07458,
title = {Long-Bone Fracture Detection using Artificial Neural Networks based on Line Features of X-ray Images},
author = {Alice Yi Yang and Ling Cheng},
journal= {arXiv preprint arXiv:1902.07458},
year = {2019}
}