-
题名基于BCNN的胎儿颅脑超声横切面识别算法
被引量:2
- 1
-
-
作者
束鑫
常锋
张歆
杜睿
余转
-
机构
江苏科技大学计算机学院
江苏大学附属医院超声医学科
-
出处
《计算机科学》
CSCD
北大核心
2021年第4期151-156,共6页
-
基金
国家自然科学基金(61876072)
江苏省妇幼健康科研面上项目(F201822)
镇江市重点研发计划(社会发展)项目(SH2019038)。
-
文摘
孕期超声检查是评估胎儿大脑发育、检测生长异常的重要步骤,开展对胎儿早期检查准确高效的诊断研究具有重要的临床价值。文中使用双线性卷积神经网络BCNN进行胎儿颅脑横切面识别,提出了BCNN-R和BCNN-S两种算法。BCNN算法首先对输入的胎儿颅脑超声影像数据进行预处理,去除个人信息等敏感信息;其次,利用两路并行的子网络从影像数据中提取辨识度高、鲁棒性强的横切面特征,并将其融合得到有助于识别的细微特征;最后使用线性连接层进行识别和分类。为了验证算法的有效性,在自建胎儿超声数据集JFU19上进行了对比实验,实验结果表明,所提算法相比常见的深度网络(GoogleNet,DenseNet,SeNet等)在分类性能上有明显的提升,其中BCNN-S算法的总体准确率达到了88.95%,BCNN-R在水平横切面的识别上达到了97.22%的精确度和88.61%的召回率。此外,在公开数据集HC18上进行了实验,BCNN算法的准确率、精确度、召回率分别达到了89.48%,87.66%和87.71%,进一步验证了算法的有效性。
-
关键词
胎儿超声
颅脑图像
横切面识别
深度学习
BCNN
-
Keywords
Fetal ultrasound
Craniocerebrum image
Identification of transverse section
Deep learning
BCNN
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-