基于深度学习的颈动脉超声图像斑块识别方法

摘要

目的：基于全自动图像预处理方法与深度学习目标检测模型,针对包含多个厂家型号的颈动脉超声图像,探讨用于快速检测是否有斑块并定位斑块位置的端到端模型网络方法. 方法：样本由高年资医师标注颈动脉斑块区域,其中训练集为613例患者图像2592幅,测试集为82例患者图像497幅.首先基于全自动图像预处理方法,生成仅保留有效区域的高质量样本;使用训练集图像分别采用基于VGG16及ResNet101的Faster RCNN和基于Darknet的YOLOv3三种深度学习目标检测模型训练,通过参数优化以及训练迭代,选取最优模型;最终在测试集进行图像IoU(预测区域与真实区域的交并比)及人群准确率统计,比较性能. 结果：经比较,基于Resnet101的Faster RCNN模型进行颈动脉斑块区域识别性能最优,敏感度达到98.8％,特异性达到98.8％,测试准确率达98.4％. 结论：结果表明,结合全自动图像预处理与Faster RCNN深度学习网络,所实现的颈动脉斑块区域识别的端到端模型快速精准,具有较高的应用价值.