-
题名一种深度可微随机森林的腹部CT图像器官检测方法
- 1
-
-
作者
郑申海
刘小暄
王瑞浩
-
机构
重庆邮电大学计算机科学与技术学院
重庆邮电大学图像认知重庆市重点实验室
-
出处
《北京航空航天大学学报》
北大核心
2025年第11期3781-3789,共9页
-
基金
国家自然科学基金(61902046)
重庆市教委科学技术研究计划重点项目(KJZD-K202200606)
重庆市自然科学基金(2022NSCQMSX3746)。
-
文摘
针对传统随机森林方法在处理高维、结构复杂医学图像数据特征学习不充分问题,提出一种基于深度可微随机森林的腹部多器官检测方法。所提方法先将深度学习和随机森林进行巧妙地融合,使用全局-局部双编码器提取高层特征,再将特征输入到可微随机森林进行树分裂。所设计的决策注意力为每棵决策树分配权重,利用反向传播学习参数,构造最终的端到端的检测模型。与传统随机森林不同的是,所提方法采用概率的形式进行树节点分裂,多棵决策树以参数权重进行投票。这种反向传播学习节点分裂参数和投票权重参数策略,可以避免传统随机森林叶节点分裂造成的局部最优,使深度可微随机森林能寻找出全局最优值。在2个公共医学图像多器官数据集(AbdomenCT-1K、AMOS2022)上进行了实验,在AbdomenCT-1K中5个腹部器官的平均WD值比对比方法减少了0.7~2.66 mm,在AMOS2022中7个腹部器官的平均WD值比对比方法减少了0.67~2.68 mm。结果表明:所提方法具有较高的检测准确性。
-
关键词
多器官检测
深度随机森林
权重投票
卷积神经网络
决策注意力
-
Keywords
multi-organ detection
deep random forest
weighted voting
convolutional neural network
decision attention
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
