一种基于Faster R-CNN的甲状腺结节超声图像目标检测改进算法 |
| |
引用本文: | 郑天雷,杨娜,耿诗,赵先云,王跃,程德强,赵蕾.一种基于Faster R-CNN的甲状腺结节超声图像目标检测改进算法[J].四川大学学报(医学版),2023(5):915-922. |
| |
作者姓名: | 郑天雷 杨娜 耿诗 赵先云 王跃 程德强 赵蕾 |
| |
作者单位: | 1. 中国矿业大学信息与控制工程学院;2. 徐州医科大学附属医院医疗设备管理处人工智能研究组 |
| |
摘 要: | 目的 为提高超声图像中甲状腺结节目标检测精度,提出一种基于Faster R-CNN的甲状腺结节目标检测改进算法。方法 该算法采用结合了可变形卷积(deformable convolution, DC)的ResNeSt50作为主干网络,提高对形状不规则结节的检测效果。并在主干网络后方引入特征金字塔网络(feature pyramid networks, FPN)和感兴趣区域对齐,前者用于减少甲状腺结节漏检误检现象,后者用于提高小尺寸结节的检测精度。此外,在算法训练的反向传播过程中,使用由锐度感知最小化(sharpness-aware minimization, SAM)改进优化器进行参数更新,提高算法的泛化能力。结果 实验采用来自徐州医科大学附属医院及南京市第一医院6 261张甲状腺超声图像,对改进算法的有效性进行对比评估。实验表明,该算法具有一定的优化效果,最终在测试集的AP50高达97.4%,AP@50:5:95较原始模型也提升了10.0%。与原始模型和现有模型相比改进算法有着更高的检测精度,能更精准地检测甲状腺结节,特别在较低的检测框精度要求下有着较高的召回率。结论 本研究提出的改...
|
关 键 词: | 甲状腺结节 超声图像 Faster R-CNN 目标检测 ResNetSt50 |
|
|