基于视觉注意力模型的医学图像目标检测
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Ｋ ＥＹ Ｗ Ｏ ＲＤＳ ： ｍｐ ｅ Ｃｏ ｕｔｒ— ａｄｅ ａ ｎ ｓｓ；Ｆｅ ｔｒ ｘｒ ｃ ｉｇ；Ｖｉｕａ ｔｅ ｔｏ ｄ ｌ ｉ ｄ ｄｉｇ ｏ ｉ ａｕ ｅ ｅ ｔａ ｔｎ ｓ ｌａ ｔｎ ｉｎ ｍｏ ｅ
１ 引言
影像 学诊 断的思维过程 可分 为检 出病变 ， 描述异 常影像 学征象 ， 进行鉴别诊 断 ３个步骤。随着医学影像 和计 算机技 术 的发展 ， 医学图像 Ｃ Ｄ不仅能 大概 显示病 灶及其 位置 ， Ａ 还 可以提供鉴别诊断 的依据 ， 已进 入Ｉ 床 应用 的阶段 ， 有 现 Ｉ 缶 具 很高 的研究价值 。对 Ｒ Ｉ Ｏ 进行准确 的边 缘提 取和 区域分 割
ｔ ｅ ｌｅ ｉｉｎ ｒ ｖ ｒａ．Ｔ ｅ ｅ ｐ ｒ ｎ ａ ｅ ｕ ｔ ｓ ｏ ｈ ｔｔ ｅ ｐ ｏ ｏ ｅ ｔ ｏ Ｓ ｅｆｃ ｉｅ ａ ｄ ｖ ｌ ． ｈ ｏ ａ ｖ ｓｏ ｅ ｅｓ ｌ １ ｈ ｘ ｅｉ ｍｅ ｔ ｒｓ ｌ ｈ ｗ ｔ ａ ｈ ｒ ｐ ｓ ｄ ｍｅｈ ｄ ｉ ｆ ｔ ａｉ ｌ ｓ ｅ ｖ ｎ ｄ
方法 ， 但其分 割效果依赖 于初始形状 。 Ｋ ｓ 等提 出的 Ｓ ａｅ ａｓ ｎｋ 模型算法将感兴趣 区域轮廓 的提 取 问题转换为能量最 小化 问题 ；ａ ｅ 大学 的 Ｌｎ 等人 提 Ｔｉ ｉ ｐ ｉ
第２卷 第９ ７ 期
文 章 编 号 ：０ ６—９４ （ ０ ０ ０ １０ ３８ ２ １ ）９—０ ３ ０ ２９— ３
计
算
机
仿
真
２１年９ ０ ０ 月
基 于视 觉 注意 力模 型 的 医学 图像 目标 检 测
廖 皤， 孙季 丰
（ 华南理工大学 电信学 院， 广东 广州 ５０ ４ ） １６ ０
ｓ ａｔｄｂ ｓ ｇｔｅｌ ｅｒ ｌｒ ｇ ａｄｔｅｒｇ ｎｏ ｔ ｅｔＲ Ｉ ｓｏｍｉ ｄｗｔ ｅｈｌ ｆ ｈ ａ ｕａｏ ｆ ｔ ｃｅ ｙｕｉ ｎａ ｔ ｉ ， ｎ ｉ ｆｎｅ ｓ（ Ｏ ）ｉ ｂ ｎ ｉ ｔ ｅ ｏ ｅｃｌ ｌｔｎｏ ｒ ｎ ｈ ｉ ｉ ｆｅ ｎ ｈ ｅｏ ｉ ｒ ｅ ｈｈ ｐ ｔ ｃ ｉ
的复 杂 度 。
关键 词： 计算机辅助诊断 ； 特征提取 ； 视觉注意模型
中 图分 类 号 ：Ｐ ９ ．１ Ｔ ３ １４ 文献 标 识 码 ： Ａ
Ｔａ ｇ ｔＤｅ ｅ ｔｏ ｆ Ｍ ｅ ｉ ａ ｍ ａ ｅ Ｂａ ｅ ｎ ｒ ｅ ｔ ｃ ｉ ｎ ｏ ｄ ｃ ｌＩ ｇ ｓ ｄ ｏ Ｈ ｕ ａ Ｖｉｕ ｌＡｔｅ ｔｏ ｏ ｅ ｍ ｎ ｓ ａ ｔ ｎ ｉ ｎ Ｍ ｄ ｌ
ＡＢＳ ＴＲＡＣＴ： ｃ ｍｐ ｔｒ—ａｄ ｄ ｄ ｔ ｃｉｎ ａ ｄ ｄ ａ ｎ ｓｓ ｍｅｈ ｄ ｂ ｓ ｄ ｏ ｕ ｎ ｖｓ ａ ｔ ｎ ｉｎ ｍｏ ｅ ｓ ｐ ｏ Ａ ｏ ｕｅ ｉｅ ｅｅ ｔ ｎ ｉ ｇ ｏ ｉ ｔ ｏ ａ ｅ ｎ ａ ｈ ｍａ ｉｕ ｌａｔ ｔ ｄ ｌｉ ｒ— ｏ ｅ ｏ
ＵＡＯ Ｆ ｎ． Ｕ ｉ ｅ ｇ ａ Ｓ Ｎ Ｊ —ｆｎ
（ ｌ ｔ ｎｃ ｎ ｆｒ ａｉ ｎｉｅｒ ｇ ｏｔ ｈ ａＵ ｉ ｒｉ ｆ ｅｈｏｏｙ Ｅｅ ｒ ｉ ａｄＩ ｏｍ ｔ ｎＥ ｇ ｅ ｎ ，ＳｕｈＣ ｉ ｎ ｅｓｙｏ Ｔ ｃｎｌ ， ｃｏ ｓ ｎ ｏ ｎ ｉ ｎ ｖ ｔ ｇ Ｇ ａｇｈ ｕＧ ａ ｇｏｇ５０ ４ Ｃ ｉ ） ｕ ｎｚｏ ｕｎ ｄｎ １６０， ｈｎ ａ
文 中采 用 了一 种基 于图像视 觉注意力 模型 的感兴趣 区
域检测法 ， 即基于肺部 关系 Ｃ Ｔ图像 的局 部视 觉显著 度检 测
可 疑肺 结 节 。仿 真 实 验 表 明 ， 觉 注 意 力 模 型 应 用 于 计 算 机 视
辅 助诊 断中可以提高 病灶 的检 出率 ， 间复杂度 低 ， 时 为减少 漏诊 和误诊 起到了积极作用。
时 医生 确 切 诊 断 的前 提 。一 般 来 说 ， 像 分 割 方 法 主 要 分 为 图 基 于 边 缘 检 测 方 法 ， 要 进 行 边 缘 跟 踪 处 理 ， 及 基 于 区域 需 以
训练后根据经验 阈值进行判断 的统计 方法等 ， 大多是针 对辅 助诊断或模式识别 的应用 ， 兴趣 区域 划分较 为细 致 ， 感 因此 算法一般过于复杂 ， 或需要 人工干预 ， 间复杂度很大 。 时
ｐ ｓ ｄ ｉ ｔ ｓ ｐ ｐ ｒ Ｗ ｅ ｕｓ ｔｏ — ｕ ｏ ｔｏ ｓｒ ｔｇ ｓ ｔ ｅ — ａｔ ｎｉ ｎ ｍｅ ｈ ｎｉｍ ， ｉ ｉ ｈ ｈ ｕ ｓａ ｏ ｅ ｎ ｈｉ ａ ｅ ． ｅ ｂｏｔｍ ｐ ｃ ｎ ｒｌ ｔａ ｅ ａ ｈｅ ｐｒ ｙ ｔｅ ｔｏ ｃ ａ ｓ ｎ ｗｈ ｃ ｔｅ Ｇａ ｓ ｉｎ Ｐｙ ａ ｄ ｏ ｈｅ ＣＴ ｄｉａ ｍａ ｅ ｉ ａ ｃ ｌｔ ｄ Ｔｈｅ ｆａｕｒｓ ａ ｕ ｈｅ ｉ ｅ ｓｔ ｔ ｏｏ ｎ ｈ ｒｅ ａ ｉｎ ａ ｅ ａ — ｒ ｍｉ ｆｔ ｍｅ ｃ ｌｉ ｇ ｓ ｃ ｕａ ｅ ． ｌ ｅ ｔ ｅ ｂｏ ｔｔ ｎｔｎ ｉ ｈｅ ｃ ｌｒａ ｄ ｔｅ ｏ ｉｎｔｔｏ ｒ ｂ ｙ，
摘要 ： 于Fra Baidu bibliotek学诊断图像的研究 ， 关 为准确显示病灶 的位置 ， 出了一种 图像视觉注意 力模型 的感兴趣 区域检测法 ， 提 即根据肺
部 关系 ｃ Ｔ图像 的局部视觉显著度检测可疑肺结节 ， 可采用 了 ｂｔ ｍ—ｕ ｏｏ ｔ ｐ控制策略的机制 ， 通过线性滤波提取出原始 Ｃ Ｔ图 像亮度 、 颜色和方向特征 ， 计算这些 低层次 图像特性 的高斯金字塔 ， 再进 行局部视觉反 差仿 真计算 以得 到感兴趣 区域 ， 以辅 助 医生对病灶的筛查与诊 断。仿真结果表 明视觉注意力模型应用于计 算机辅 助诊断 中可 以提高病灶的检 出率 ， 降低预处理
１ 引言
影像 学诊 断的思维过程 可分 为检 出病变 ， 描述异 常影像 学征象 ， 进行鉴别诊 断 ３个步骤。随着医学影像 和计 算机技 术 的发展 ， 医学图像 Ｃ Ｄ不仅能 大概 显示病 灶及其 位置 ， Ａ 还 可以提供鉴别诊断 的依据 ， 已进 入Ｉ 床 应用 的阶段 ， 有 现 Ｉ 缶 具 很高 的研究价值 。对 Ｒ Ｉ Ｏ 进行准确 的边 缘提 取和 区域分 割
ｔ ｅ ｌｅ ｉｉｎ ｒ ｖ ｒａ．Ｔ ｅ ｅ ｐ ｒ ｎ ａ ｅ ｕ ｔ ｓ ｏ ｈ ｔｔ ｅ ｐ ｏ ｏ ｅ ｔ ｏ Ｓ ｅｆｃ ｉｅ ａ ｄ ｖ ｌ ． ｈ ｏ ａ ｖ ｓｏ ｅ ｅｓ ｌ １ ｈ ｘ ｅｉ ｍｅ ｔ ｒｓ ｌ ｈ ｗ ｔ ａ ｈ ｒ ｐ ｓ ｄ ｍｅｈ ｄ ｉ ｆ ｔ ａｉ ｌ ｓ ｅ ｖ ｎ ｄ
方法 ， 但其分 割效果依赖 于初始形状 。 Ｋ ｓ 等提 出的 Ｓ ａｅ ａｓ ｎｋ 模型算法将感兴趣 区域轮廓 的提 取 问题转换为能量最 小化 问题 ；ａ ｅ 大学 的 Ｌｎ 等人 提 Ｔｉ ｉ ｐ ｉ
第２卷 第９ ７ 期
文 章 编 号 ：０ ６—９４ （ ０ ０ ０ １０ ３８ ２ １ ）９—０ ３ ０ ２９— ３
计
算
机
仿
真
２１年９ ０ ０ 月
基 于视 觉 注意 力模 型 的 医学 图像 目标 检 测
廖 皤， 孙季 丰
（ 华南理工大学 电信学 院， 广东 广州 ５０ ４ ） １６ ０
ｓ ａｔｄｂ ｓ ｇｔｅｌ ｅｒ ｌｒ ｇ ａｄｔｅｒｇ ｎｏ ｔ ｅｔＲ Ｉ ｓｏｍｉ ｄｗｔ ｅｈｌ ｆ ｈ ａ ｕａｏ ｆ ｔ ｃｅ ｙｕｉ ｎａ ｔ ｉ ， ｎ ｉ ｆｎｅ ｓ（ Ｏ ）ｉ ｂ ｎ ｉ ｔ ｅ ｏ ｅｃｌ ｌｔｎｏ ｒ ｎ ｈ ｉ ｉ ｆｅ ｎ ｈ ｅｏ ｉ ｒ ｅ ｈｈ ｐ ｔ ｃ ｉ
的复 杂 度 。
关键 词： 计算机辅助诊断 ； 特征提取 ； 视觉注意模型
中 图分 类 号 ：Ｐ ９ ．１ Ｔ ３ １４ 文献 标 识 码 ： Ａ
Ｔａ ｇ ｔＤｅ ｅ ｔｏ ｆ Ｍ ｅ ｉ ａ ｍ ａ ｅ Ｂａ ｅ ｎ ｒ ｅ ｔ ｃ ｉ ｎ ｏ ｄ ｃ ｌＩ ｇ ｓ ｄ ｏ Ｈ ｕ ａ Ｖｉｕ ｌＡｔｅ ｔｏ ｏ ｅ ｍ ｎ ｓ ａ ｔ ｎ ｉ ｎ Ｍ ｄ ｌ
ＡＢＳ ＴＲＡＣＴ： ｃ ｍｐ ｔｒ—ａｄ ｄ ｄ ｔ ｃｉｎ ａ ｄ ｄ ａ ｎ ｓｓ ｍｅｈ ｄ ｂ ｓ ｄ ｏ ｕ ｎ ｖｓ ａ ｔ ｎ ｉｎ ｍｏ ｅ ｓ ｐ ｏ Ａ ｏ ｕｅ ｉｅ ｅｅ ｔ ｎ ｉ ｇ ｏ ｉ ｔ ｏ ａ ｅ ｎ ａ ｈ ｍａ ｉｕ ｌａｔ ｔ ｄ ｌｉ ｒ— ｏ ｅ ｏ
ＵＡＯ Ｆ ｎ． Ｕ ｉ ｅ ｇ ａ Ｓ Ｎ Ｊ —ｆｎ
（ ｌ ｔ ｎｃ ｎ ｆｒ ａｉ ｎｉｅｒ ｇ ｏｔ ｈ ａＵ ｉ ｒｉ ｆ ｅｈｏｏｙ Ｅｅ ｒ ｉ ａｄＩ ｏｍ ｔ ｎＥ ｇ ｅ ｎ ，ＳｕｈＣ ｉ ｎ ｅｓｙｏ Ｔ ｃｎｌ ， ｃｏ ｓ ｎ ｏ ｎ ｉ ｎ ｖ ｔ ｇ Ｇ ａｇｈ ｕＧ ａ ｇｏｇ５０ ４ Ｃ ｉ ） ｕ ｎｚｏ ｕｎ ｄｎ １６０， ｈｎ ａ
文 中采 用 了一 种基 于图像视 觉注意力 模型 的感兴趣 区
域检测法 ， 即基于肺部 关系 Ｃ Ｔ图像 的局 部视 觉显著 度检 测
可 疑肺 结 节 。仿 真 实 验 表 明 ， 觉 注 意 力 模 型 应 用 于 计 算 机 视
辅 助诊 断中可以提高 病灶 的检 出率 ， 间复杂度 低 ， 时 为减少 漏诊 和误诊 起到了积极作用。
时 医生 确 切 诊 断 的前 提 。一 般 来 说 ， 像 分 割 方 法 主 要 分 为 图 基 于 边 缘 检 测 方 法 ， 要 进 行 边 缘 跟 踪 处 理 ， 及 基 于 区域 需 以
训练后根据经验 阈值进行判断 的统计 方法等 ， 大多是针 对辅 助诊断或模式识别 的应用 ， 兴趣 区域 划分较 为细 致 ， 感 因此 算法一般过于复杂 ， 或需要 人工干预 ， 间复杂度很大 。 时
ｐ ｓ ｄ ｉ ｔ ｓ ｐ ｐ ｒ Ｗ ｅ ｕｓ ｔｏ — ｕ ｏ ｔｏ ｓｒ ｔｇ ｓ ｔ ｅ — ａｔ ｎｉ ｎ ｍｅ ｈ ｎｉｍ ， ｉ ｉ ｈ ｈ ｕ ｓａ ｏ ｅ ｎ ｈｉ ａ ｅ ． ｅ ｂｏｔｍ ｐ ｃ ｎ ｒｌ ｔａ ｅ ａ ｈｅ ｐｒ ｙ ｔｅ ｔｏ ｃ ａ ｓ ｎ ｗｈ ｃ ｔｅ Ｇａ ｓ ｉｎ Ｐｙ ａ ｄ ｏ ｈｅ ＣＴ ｄｉａ ｍａ ｅ ｉ ａ ｃ ｌｔ ｄ Ｔｈｅ ｆａｕｒｓ ａ ｕ ｈｅ ｉ ｅ ｓｔ ｔ ｏｏ ｎ ｈ ｒｅ ａ ｉｎ ａ ｅ ａ — ｒ ｍｉ ｆｔ ｍｅ ｃ ｌｉ ｇ ｓ ｃ ｕａ ｅ ． ｌ ｅ ｔ ｅ ｂｏ ｔｔ ｎｔｎ ｉ ｈｅ ｃ ｌｒａ ｄ ｔｅ ｏ ｉｎｔｔｏ ｒ ｂ ｙ，
摘要 ： 于Fra Baidu bibliotek学诊断图像的研究 ， 关 为准确显示病灶 的位置 ， 出了一种 图像视觉注意 力模型 的感兴趣 区域检测法 ， 提 即根据肺
部 关系 ｃ Ｔ图像 的局部视觉显著度检测可疑肺结节 ， 可采用 了 ｂｔ ｍ—ｕ ｏｏ ｔ ｐ控制策略的机制 ， 通过线性滤波提取出原始 Ｃ Ｔ图 像亮度 、 颜色和方向特征 ， 计算这些 低层次 图像特性 的高斯金字塔 ， 再进 行局部视觉反 差仿 真计算 以得 到感兴趣 区域 ， 以辅 助 医生对病灶的筛查与诊 断。仿真结果表 明视觉注意力模型应用于计 算机辅 助诊断 中可 以提高病灶的检 出率 ， 降低预处理