39、医学影像中的深度学习应用：胸部异常区域映射与肺炎诊断

医学影像中的深度学习应用：胸部异常区域映射与肺炎诊断

1. 胸部异常区域映射技术

1.1 区域映射原理

在胸部X光图像分析中，区域映射是一项关键技术。YOLOv5的输出被分为类名和边界框坐标。类名{id1, id2, id3 … idn}会与UNet模型分割出的肺部图像一起进行变换处理。这些类名会从区域映射数据库中导入特定的异常区域信息。

具体操作流程如下：
1. 从UNet模型分割的肺部图像和参考图像（区域映射数据库）中的肺部图像计算最小矩形，并将其分为左右两个肺部。这些矩形的坐标包括xminrR, yminrR, xmaxrR, ymaxrR（右肺参考图像）、xminlR, yminlR, xmaxlR, ymaxlR（左肺参考图像）、xminrI, yminrI, xmaxrI, ymaxrI（右肺输入图像）和xminlI, yminlI, xmaxlI, ymaxlI（左肺输入图像）。
2. 计算参考图像和输入图像肺部之间的绝对距离D，也称为交点（POI）。计算公式为：
[D = abs(Point(xminR, yminR) - Point(xminI, yminI))]
3. 计算参考图像和输入图像的高度比H和宽度比W，公式分别为：
[H = HR/HI]
[W = WR/WI]
4. 利用距离、高度比和宽度比将参考区域归一化到输入图像上。最后，传入YOLOv5输出的边界框坐标，并根据特定异常计算区域。

1.2 实验与结果

为了评估模型性能，进行了两项不同的实验：
1. 监督技术实验 ：这部分数据由图像及其标签和边界框坐