改进的Libra区域卷积神经网络脑动脉狭窄影像学检测算法

作者：刘汉卿; 康晓东; 张福青; 赵秀圆; 杨靖怡; 王笑天; 李梦凡

来源：计算机应用, 2021, 1-10.

• Libra区域卷积神经网络
• 可变卷积网络
• 非局部神经网络
• 级联检测器
• 脑动脉狭窄

针对影像学断层面上血管多形性和检测过程中出现采样不均衡的问题，提出一种改进的Libra区域卷积神经网络（R-CNN）脑动脉狭窄影像学检测算法，用于检测电子计算机断层扫描血管造影（Computed Tomography Angiography, CTA）图像的颈内动脉和椎动脉狭窄。首先，在目标检测网络Libra R-CNN中，以Resnet50为骨干网络，分别在在骨干网络的3、4、5阶段引入可变卷积网络（DCN），通过学习偏移量提取血管在不同断层面的形态特征；然后，将从骨干网络中提取的特征图输入至引入非局部神经网络（Non-local NN）的平衡金字塔（BFP）中进行更深度特征融合；最后，将融合后的特征图输入至级联检测器，通过提高交并比（IoU）阈值优化最终检测结果。实验结果表明，改进的Libra R-CNN检测算法相比于Libra R-CNN，在脑动脉CTA数据集中AP、AP50、AP75和APS分别提升4.3%、1.3%、6.9%和4.0%；在公开结肠息肉CT数据集中，AP、 AP50、AP75和APS分别提升6.6%、3.6%、13.0%和6.4%。通过在Libra R-CNN的骨干网络中加入可变卷积网络，非局部神经网络和级联检测器，进一步特征融合从而学习脑动脉血管结构的语义信息，使得狭窄区域检测结果更精确，同时在不同的检测任务中具有泛化能力。

• 出版日期2021-9-27
• 单位天津医科大学; 西交利物浦大学