典型文献
基于深度学习的B超图像肝癌病灶自动定位
文献摘要：
利用B超影像定位肝癌病灶区域有助于医生观察肿瘤及周围组织的特征变化,对病人的临床诊断、治疗方案选择以及预后具有重要的意义.然而在临床应用中,由于肿瘤的异质性和B超影像具有噪声斑点多、对比度差及病灶边缘不清晰等问题,导致定位结果高度依赖于放射科医生经验,具有较大的主观性.基于深度学习的方法建立了 SSD肝癌病灶定位网络,并引入YoloV3、Yo1oV4、Faster RCNN和CenterNet等4种常见的目标检测网络进行对比实验,利用自主建立的肝癌B超影像数据集训练和评估模型性能.结果表明,相比其他网络,SSD各方面性能更好,能够自动、快速定位肝癌目标,准确率为94.8％,平均交并比为78.4％.
文献关键词：
深度学习;肝癌病灶定位;目标检测;SSD网络
中图分类号：
作者姓名：
黄良汇;许祥丛;谭海曙;韩定安;王雪花
作者机构：
佛山科学技术学院物理与光电工程学院,广东佛山528225;佛山科学技术学院机电工程与自动化学院,广东佛山528225;粤港澳智能微纳光电技术联合实验室,广东佛山528225
文献出处：
引用格式：
[1]黄良汇;许祥丛;谭海曙;韩定安;王雪花-.基于深度学习的B超图像肝癌病灶自动定位)[J].佛山科学技术学院学报（自然科学版）,2022(06):21-27
A类：
肝癌病灶定位,Yo1oV4
B类：
超图,自动定位,影像定位,周围组织,特征变化,方案选择,斑点,对比度,定位结果,结果高度,放射科,主观性,SSD,YoloV3,Faster,RCNN,CenterNet,目标检测网络,影像数据,集训,模型性能,快速定位,平均交并比
AB值：
0.366684
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
