一种融合肺炎影像特征的肺结核病灶检测迁移网络

安乐; 彭柯鑫; 杨兴; 黄盼; 魏彪; 冯鹏

doi:10.13741/j.cnki.11-1879/o4.2023.01.016

您当前的位置：

首页 >

文章列表页 >

一种融合肺炎影像特征的肺结核病灶检测迁移网络

光学图像处理与识别 | 更新时间：2025-09-01

- 一种融合肺炎影像特征的肺结核病灶检测迁移网络
- A transfer network for pulmonary tuberculosis lesions detection on the fusion of image features of pneumonia
- 光学技术 2023年49卷第1期页码：120-128
- 作者机构：
  
  1. 1:成都理工大学计算机与网络安全学院图像信息处理研究室
  2. 2:重庆大学光电工程学院光电技术及系统教育部重点实验室
  3. 3:重庆大学光电工程学院工业ICT无损检测教育部工程研究中心
- 作者简介：
- 基金信息：
  
  科技部重点研发计划(2019YFC0605203);重庆市研究生研究科研创新项目(CYS22109、CYS22111);重庆市科委基础研究与前沿探索项目(cstc2020jcyj-msxmX0553);重庆市科委技术创新与应用发展专项(cstc2021jscx-gksbX0056)
- DOI：10.13741/j.cnki.11-1879/o4.2023.01.016
  中图分类号： R521;TP391.41
- 纸质出版：2023
- 稿件说明：
移动端阅览
安乐, 彭柯鑫, 杨兴, 等. 一种融合肺炎影像特征的肺结核病灶检测迁移网络[J]. 光学技术, 2023,49(1):120-128.

A transfer network for pulmonary tuberculosis lesions detection on the fusion of image features of pneumonia[J]. 2023, 49(1): 120-128.
安乐, 彭柯鑫, 杨兴, 等. 一种融合肺炎影像特征的肺结核病灶检测迁移网络[J]. 光学技术, 2023,49(1):120-128. DOI： 10.13741/j.cnki.11-1879/o4.2023.01.016.

A transfer network for pulmonary tuberculosis lesions detection on the fusion of image features of pneumonia[J]. 2023, 49(1): 120-128. DOI： 10.13741/j.cnki.11-1879/o4.2023.01.016.

摘要

基于胸部X光透射图像(DR)的肺部病灶识别与疾病诊断是临床的常规操作。对于肺结核患者而言，其DR图像中的病灶区域与背景相融性高，目标弥散严重且边缘形态极不规则，严重干扰诊断的准确性。针对上述问题，提出了一种融合肺炎影像学特征的肺结核病灶区域检测网络(TDT-Net)

利用肺结核和新冠肺炎同为呼吸道疾病且在DR图像上具有相似表征的特点，借助大量肺炎DR数据，通过迁移学习引入强相关特征以提高肺结核病灶的检测精度。TDT-Net结合Transformer和扩张残差技术，提出上下文感知增强模块，以强化迁移模型对全局信息的建模能力；利用特征细化模块减少迁移过程中引入的冗余信息，凸显强相关特征的表示。实验结果表明，在TBX11K数据集上，所提检测方法的平均准确度(AP)达到87.5%

召回率(Recall)达到80.7%

相较于YOLOV5和RetinaNet等网络有效提升了肺结核病灶的检测精度，实现了更加准确的肺结核病灶定位和分类。

Abstract

关键词

Keywords

references

浏览量

115

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

结合单目视觉成像和深度测量的行为检测研究

基于YOLOv4-tiny的遥感图像飞机目标检测技术研究

基于立体视觉与光流融合的运动目标检测

电力线路相位标志牌的检测和识别

一种铝靶软X射线源的研究