拓GCN引导改进的调整器用于检测从超声波图像中的部地标

科学领域:

• 医学成像医学成像
• 人工智能的人工智能是人工智能.
• 儿科整形医生 儿科整形医生

背景情况:

• B模式超声波计算机辅助诊断 (CAD) 对婴儿部发育性形 (DDH) 有效.
• 根据格拉夫的方法,部地标检测对于DDH CAD至关重要.
• 现有的算法忽视了时地标之间的空间关系.

研究的目的:

• 提出一种新的弱监督学习算法,TGCN-ICF,用于在超声波图像中改进部地标检测.
• 通过结合空间地标关系来解决现有方法的局限性.
• 通过精确的地标识别,提高DDH诊断的准确性.

主要方法:

• 开发了一个以拓图形卷积网络 (TGCN) 为指导的改进型调整器 (TGCN-ICF) 算法.
• 用一个改进的调整器 (ICF) 子网络来生成热图和约束向量.
• 整合了一个TGCN子网络,以利用以类标签为指导的拓标志关系.
• 引入了CNN和变压器功能融合的相互调制融合 (MMF) 模块.
• 实施了相互监督约束 (MSC) 策略,以完善地标检测.

主要成果:

• 与现有方法相比,TGCN-ICF算法在两个现实DDH数据集上表现出更高的性能.
• 拟议的方法有效地捕捉了时地标之间的空间关系.
• 货币市场基金模块和MSC战略有助于增强特征融合和检测精度.

结论:

• TGCN-ICF算法显示了通过超声波成像提高DDH诊断准确性的巨大潜力.
• 在地标检测中整合拓空间关系是一个有希望的方法.
• 开发的算法为儿童骨科的计算机辅助诊断提供了一个有价值的工具.