原创力文档- 6
- 0
- 约8.54万字
- 约 62页
- 2024-07-30 发布于江苏
- 举报
本文采用深度学习的方法实现对胸椎骨折的多部位检测及分类，并提出相应的方法来提高检测精度首先，在CenterNet的基础上设计了用于对肋骨骨折目标进行检测的方法，通过层次融合沙漏网络捕捉肋骨骨折特征其次，针对中心Net原网络生成的热图中包含信息较少以及不同的角点对应的中心点重合时易产生误分的问题，通过热图金字塔结构来使预测模块生成的热图包含更多信息最后，在时空LSTM的启发下，针对肋骨骨折任务的特点设计了去时空相关模块，进一步减少分割结果中的假阳性样本实验结果显示所提方法均有利于提高最终
中文摘要
中文摘要
车祸、高空坠落、刑事案件等突发事件常常会导致人体受到伤害，引起胸部肋骨骨
折。由于不同类型的肋骨骨折需要不同的治疗方法，因此，准确检测肋骨骨折的位置并
进行骨折类型的判断，对于疾病治疗和伤害等级的鉴定具有重要的意义。由于肋骨骨折
检测属于小目标检测，检测准确度较难提高，且其与周围区域相似度较大，传统人工的
肋骨骨折判断方法随着工作时间的增长和人精神状态的下滑准确率会有明显下滑。
近年来，深度学习的方法得到了
文档评论（0）