典型文献
基于YOLOv5l的囊型肝包虫病病灶检测研究
文献摘要：
针对临床医生在诊断肝包虫病时需要通过个人经验判断囊型肝包虫病分型,研究基于 目标检测算法的肝包虫病灶自动检测与分类模型,实现对肝包虫病超声影像的 自动识别与分类.使用YOLOv5l模型作为囊型肝包虫病病灶目标检测的模型,利用本地肝包虫病超声影像数据集对网络模型进行训练.基于YOLOv5l模型与随机梯度下降算法(SGD)优化算法的肝包虫病病灶自动检测分类模型可以很好地对5种类型的病灶进行有效的检测,平均精度均值(mAP)为88.1％,经过测试,该模型的测试速度可达40 f/s.实验结果表明,基于YOLOv5l与SGD算法的肝包虫病病灶自动检测分类模型能够较好地识别病灶的具体位置,可以很好地辅助医生诊断肝包虫病.
文献关键词：
YOLOv5;囊型肝包虫病;目标检测;超声影像
中图分类号：
作者姓名：
王正业;卡迪力亚·库尔班;吴淼;严传波
作者机构：
新疆医科大学 公共卫生学院,新疆 乌鲁木齐830011;新疆医科大学 医学工程技术学院,新疆 乌鲁木齐830011
文献出处：
引用格式：
[1]王正业;卡迪力亚·库尔班;吴淼;严传波-.基于YOLOv5l的囊型肝包虫病病灶检测研究)[J].电子技术应用,2022(07):25-29
A类：
囊型肝包虫病
B类：
YOLOv5l,病灶检测,临床医生,个人经验,目标检测算法,自动检测,分类模型,超声影像,自动识别,识别与分类,影像数据,随机梯度下降算法,SGD,检测分类,平均精度均值,mAP,测试速度,具体位置
AB值：
0.172027
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。
