基于快速区域卷积神经网络对于胸部数字X线摄影图像异物的自动检测

目的 探讨快速区域卷积神经网络(Faster RCNN)在胸部数字X线摄影(DR)图像异物位置和类型自动检测中的应用价值.方法 对960张胸部DR图像进行Faster RCNN训练、验证及测试,按3∶1∶1的比例随机划分数据集为训练集(576张)、验证集(192张)和测试集(192张).使用开源分割工具ImageJ对左、右肺野及异物(共13类)进行标注,其中左、右肺野采用区域标记,异物采用包围框标记.肺野分割精确程度采用肺野预测模型度量函数IoU值表示.异物位置标注结果分为三类:图像无异物,图像有肺野内异物,图像有肺野外异物.将检测结果用三分类混淆矩阵表示,并计算三类图像的召回率、精确率及最终分类的准确率.并输出对各类异物检测的平均精确率(AP)和总平均精确率(mAP).结果 训练集和验证集共768张胸部DR中的645张含有异物,共4655个.测试集左肺分割平均IoU值为0.959,右肺分割平均IoU值为0.958.单例测试耗时5 s.图像无异物,图像有肺野内异物和图像有肺野外异物三类图像的召回率分别为94％、75％和82％,精确率分别为88％、98％和70％;总准确率为86％.对各类异物检测的AP范围为66％～100％,mAP为81％.结论 Faster RCNN可满足影像质量控制工作中自动检测DR图像异物的要求.