一种基于GA_Faster R-CNN的掌指骨骨折计算机辅助诊断系统
2021-08-19杨昆罗萍吕一品闫惟娜吴海涛刘爽薛林雁
杨昆,罗萍,吕一品,闫惟娜,吴海涛,刘爽,薛林雁
(1.河北大学 质量技术监督学院,河北 保定 071002;2.河北大学 计量仪器与系统国家地方联合工程研究中心,河北 保定 071002)
骨折是指骨结构的连续性完全或部分断裂,可发生于所有年龄段.骨折可由暴力作用、积累性劳损或骨骼疾病等因素导致.大部分骨折表现为局部疼痛、肿胀及功能障碍,严重骨折和多发性骨折则会导致休克,危及生命.临床上常用的骨折检测方法有3种:X线检查、计算机断层扫描(computed tomography,CT)检查、核磁共振成像(magnetic resonance imaging,MRI)检查,每种检查得到的图像各有优劣.其中X线检查成本最低、应用最广,但是X线图像经常伴有轻微模糊、灰度分布不均匀、图像信息缺失等缺点,在临床诊断时极易出现偏差,造成漏诊和误诊.
近年来,随着计算机科学的发展和计算机硬件的不断升级,计算机辅助诊断(computer-aided diagnosis,CAD)系统已经广泛应用于医学图像的分析和处理[1].人工智能特别是深度学习算法的兴起,使得研究人员利用卷积神经网络(convolution neural network,CNN)实现了乳腺癌[2]、脑瘤[3]和肺结节[4]等多种疾病的计算机辅助诊断.目前,深度学习算法也已经广泛应用于不同部位的骨折图像分析,包括牙齿[5]、肱骨[6]、肋骨[7]、髋关节[8]、大腿[9]、踝关节[10]等.这些研究不仅包括对骨折的判断、定位识别及部位分类,也包括骨折风险的评估.
然而,与其他部位相比,手部骨骼众多,掌指骨骨折不仅易多发、并发,而且目标较小,给放射科医生增加了大量的阅片工作,并且由于掌指骨骨折检测……