典型文献
基于改进YOLOv3的脑出血磁感应断层成像检测研究
文献摘要：
针对脑出血MIT重建图像中脑出血与病变区域间存在无法完全消除的伪影、无法获得量化的脑出血信息以及采用YOLOv3对脑出血进行检测时召回率不足、脑出血定位不准确的问题,提出了一种改进的YOLOv3脑出血MIT检测网络模型,网络包含脑出血特征提取模块、脑出血特征融合模块、脑出血检测输出模块,采用交叉熵函数作为中心坐标误差函数,Focalloss函数作为分类函数.改进YOLOv3与EfficientDet和Faster R-CNN相比,对脑出血的检测效果更好,在mAP上提升了7.3％ ～10.1％,为脑出血MIT提供了一种有效的辅助诊断方法.
文献关键词：
YOLOv3;目标检测;脑出血;MIT
中图分类号：
作者姓名：
曹弘贵;叶波;罗思琦;邹杨坤;曹众楷
作者机构：
昆明理工大学信息工程与自动化学院,昆明650500;云南省人工智能重点实验室,昆明650500;昆明理工大学民航与航空学院,昆明650500
文献出处：
引用格式：
[1]曹弘贵;叶波;罗思琦;邹杨坤;曹众楷-.基于改进YOLOv3的脑出血磁感应断层成像检测研究)[J].信息技术,2022(11):1-8
A类：
磁感应断层成像,脑出血检测,Focalloss
B类：
YOLOv3,成像检测,MIT,重建图像,中脑,区域间,全消,伪影,召回率,测网,取模,特征融合模块,输出模块,交叉熵函数,心坐标,误差函数,分类函数,EfficientDet,Faster,检测效果,mAP,辅助诊断,目标检测
AB值：
0.325012
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。
