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

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...