如需要完整文档点击下方 "点击下载文档" 按钮

针对自动检测医学图像中指定目标时存在的问题，提出了一种基于深度学习自动检测目标位置和估计对象姿态的算法。该算法基于区域深度卷积神经网络和目标结构的先验知识，采用区域生成候选框网络、感兴趣区域池化策略，引入包括分类损失、边框位置回归定位损失和像平面内朝向损失的多任务损失函数，近似优化一个端到端的有监督定位网络，能快速地对医学图像中目标自动定位，有效地为下一步的分割和参数自动提取提供定位结果。并在超声心动图左心室检测中提出利用检测额外标记点（二尖瓣环、心内膜垫和心尖），能高效地对左心室朝向姿态进行估计。为了验证算法的鲁棒性和有效性，实验数据选取经食管超声心动图和核磁共振图像。实验结果表明算法是快速、精确和有效的。

如需要完整文档点击下方 "点击下载文档" 按钮

《基于深度学习的医学计算机辅助检测方法研究》

将 完整文档 下载到本地，方便收藏和查阅

文件号：129336

点击下载文档