基于单阶段检测器的半监督目标检测用于股骨骨折定位
图像与视频处理
2022-10-21 v1 计算机视觉与模式识别
机器学习
摘要
股骨是支撑下半身最大的骨骼。若股骨骨折未及时诊治，将导致终身无法行走。正确诊断股骨疾病在骨科医学中十分重要。深度学习正推动骨折检测技术的发展。然而，现有基于深度学习的计算机辅助诊断（CAD）方法依赖大量人工标注数据，标注这些数据耗费大量时间与精力。因此，我们开发了一种在有限标注图像数量下的目标检测方法，并将其应用于股骨骨折定位。本工作中，我们构建了基于单阶段检测器的半监督目标检测（SSOD）框架，包含三个模块：自适应难样本导向（ADSO）模块、Fusion Box 和可变形扩展编码器（Dex encoder）。ADSO 模块通过加权将分类得分作为标签可靠性评判准则，Fusion Box 设计用于将相似伪框合并为可靠框以进行框回归，Dex encoder 用于增强图像增广的适应性。实验在股骨骨折数据集上进行，包含 3484 张训练股骨骨折图像和 358 张测试股骨骨折图像。实验结果表明，所提方法在不同标注数据率（即 1%、5% 和 10%）下均取得股骨骨折检测的最先进 AP。此外，我们使用全数据进行知识蒸馏，我们的方法取得了 86.2% 的 AP50 和 52.6% 的 AP75。
引用
@article{arxiv.2210.10998,
title = {Semi-supervised object detection based on single-stage detector for thighbone fracture localization},
author = {Jinman Wei and Jinkun Yao and Guoshan Zhanga and Bin Guan and Yueming Zhang and Shaoquan Wang},
journal= {arXiv preprint arXiv:2210.10998},
year = {2022}
}
备注
Preprint submitted to Applied Soft Computing