典型文献
基于Cascade Rcnn的超声甲状腺结节检测研究
文献摘要：
甲状腺超声图像由于对比度低、边缘不清晰、高噪声和周围组织复杂难辨等问题,给医生诊断甲状腺疾病造成困难.针对此问题,采用Cascade Rcnn目标检测算法,分别以ResNet50、Resnet101以及融合压缩激励注意力模块SE-ResNet50、SE-ReNet101为主干网络,对从某三甲医院获取的1 513例(其中良性结节832例,恶性结节681例)甲状腺超声图像,在专业超声科医生的指导下进行预处理,制作本次实验使用的标准coco格式数据集.采用迁移学习的方式将从Imagenet大型数据库上预训练得到的权重迁移到本次实验模型结构中,经过4个主干网络的实验结果对比,以SE-ResNet101为主干网络的Cascade Rcnni算法,在结节定位和判别方面,实现了精确率92.4％,召回率86.2％,特异性95.1％,F1值89.2％,mAP值82.4％的检测效果,对辅助医生进行甲状腺超声图像的诊断具有一定的临床指导意义.
文献关键词：
甲状腺超声图像;Cascade Rcnn;目标检测;迁移学习
中图分类号：
作者姓名：
章浩伟;李占齐;刘颖;李淼
作者机构：
上海理工大学健康科学与工程学院,上海 200082;河南省郑州颐和医院,郑州 450000
文献出处：
引用格式：
[1]章浩伟;李占齐;刘颖;李淼-.基于Cascade Rcnn的超声甲状腺结节检测研究)[J].中国生物医学工程学报,2022(01):64-72
A类：
ReNet101,Rcnni
B类：
Cascade,甲状腺结节,甲状腺超声图像,对比度,周围组织,难辨,甲状腺疾病,目标检测算法,ResNet50,Resnet101,注意力模块,SE,主干网络,三甲医院,良性结节,恶性结节,超声科,coco,迁移学习,Imagenet,预训练,练得,重迁,实验模型,模型结构,结果对比,ResNet101,精确率,召回率,mAP,检测效果,临床指导
AB值：
0.330874
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。
