利用关键点检测算法的超声图像定点测量
第50卷 第11期2018年11月
哈 尔 滨 工 业 大 学 学 报JOURNAL OF HARBIN INSTITUTE OF TECHNOLOGY Vol.50No.11Nov.2018 DOI：10.11918／j.issn.0367-6234.201711029利用关键点检测算法的超声图像定点测量
朱 锴1，2，陶 攀1，2，付忠良1，陈晓清1，2
（1.中国科学院成都计算机应用研究所，成都610041；2.中国科学院大学，北京100049）
摘 要：超声图像的定点距离测量在临床医学上十分重要.由于超声图像的噪声大，边缘模糊，因此关键点自动定位在超声图像中很有挑战性.目前的关键点检测算法通常是针对单个关键点位置进行优化，难以在保证每个关键点检测精度的情况下得到准确的测量距离.为使超声图像中关键点的精度和两个关键点之间的距离更加精确，本文提出一种基于级联卷积神经网络的关键点检测算法，该方法采用两个卷积网络从粗略到精细的对关键点进行定位.首先利用第一个网络回归两个关键点的粗略位置，并将包含这两个关键点的小区域送入第二个网络.然后本文提出一种加入距离修正的损失函数，作为第二个网络的优化目标，在第一个网络输出结果的基础上定位最终的关键点位置.实验结果表明，本文提出的级联方法无论是相比传统的级联方式还是回归树方法，本文算法在超声图像的关键点定位上更为精准，并且在最终的距离测量精度上也有很大的提高，在评价标准下比传统级联方法检测精度上提升将近30%.
关键词：超声心动图；关键点定位；卷积神经网络；损失函数；自动测量
中图分类号：TP391.41文献标志码：A 文章编号：0367－6234（2018）11－0067－07
Ultrasound image fixed point measurement based on landmark detection method
ZHU Kai 1，2，TAO Pan 1，2，FU Zhongliang 1，CHEN Xiaoqing 1，2
（1.Chengdu Institute of Computer Applications，Chinese Academy of Sciences，Chengdu，610041，China；2.University of Chinese Academy of Science，Beijing 100049，China）Abstract ：The measurement by fixed point of ultrasound image is very important in clinical medicine.Because of the large speckle noise and blurred edges in ultrasound images，landmark detection in echocardiography is quite challenging.Meanwhile，current landmark detection algorithm optimizes a single landmark position，and it s difficult to get accurate distance with guaranteeing the accuracy of each landmark.To get more accuracy result of landmark and the distance between two landmarks in ultrasound，cascaded convolution neural network is proposed to automatic detection landmark in echocardiography，our framework adopts two stages of carefully designed deep convolution networks that predict landmark location in a coarse-to-fine manner.Firstly，networks at the first level estimate positions of two landmarks coarsely，the patch includes two landmarks as input of the second stage.Then a loss function with distance correction term is proposed to optimize the second network，and gets the final landmark position based on the output of first stage.Experimental results show that compared to traditional network and regression tree，the proposed method could not only guarantee the accuracy of landmark position but also increase the accuracy of distance，compared with traditional cascaded convolution neural network，and the accuracy of distance is nearly 30%higher than the traditional method.Keywords ：echocardiography；landmark detection；convolution neural network；loss function；automatic measurement
收稿日期：2017－11－08
基金项目：四川省科技厅重点研发项目（2017SZ0010）；四川省科技
支撑计划项目（2016JZ0035）
作者简介：朱 锴（1991 ），男，博士研究生；
付忠良（1967 ），男，研究员，博士生导师通信作者：付忠良，fzliang＠https://www.wendangku.net/doc/9a18492851.html, 超声心动图像是评估心脏功能获取心脏生理参数的重要手段［1］，而二尖瓣的生理参数又是判断心
脏健康与否的重要指标.二尖瓣环内径的大小是判断二尖瓣是否正常的重要生理参数，通常医生获取
二尖瓣环内径的大小是凭借自身经验标记两个瓣跟
的关键点进行手动测量，其中二尖瓣根是位于二尖瓣膜和心室壁连接处有较为明显的转角特征，这样医生在术中操作非常不便.由于心脏超声图像的形状二姿态和尺寸等变化多样，目前为止，并没有针对二尖瓣环内径关键点进行自动标注的有效算法，因此提出有效可行的二尖瓣环内径自动测量方法能够帮助医生高效的进行疾病诊断.关键点检测算法在医学图像中一直有广泛应用，通过定位生理结构的一些关键位置能够对自动分析医学图像有很大的帮助.在心脏图像中，很多万方数据