目的:探讨S-Detect技术与常规超声不同联合方案在乳腺结节评估中的应用价值。方法:收集2019年5月-2020年4月175个乳腺结节的常规超声图像,术前由低、中、高年资的超声医师各自进行常规超声乳腺影像报告和数据系统(breast imaging report...目的:探讨S-Detect技术与常规超声不同联合方案在乳腺结节评估中的应用价值。方法:收集2019年5月-2020年4月175个乳腺结节的常规超声图像,术前由低、中、高年资的超声医师各自进行常规超声乳腺影像报告和数据系统(breast imaging report and data system,BI-RADS),分类,并分别以4种不同方案联合S-Detect结果进行调整,术后以病理结果为金标准,评估S-Detect的诊断价值,同时比较不同年资医师联合不同方案前后的诊断效能。结果:单用S-Detect的诊断特异性高于超声医师,差异均有统计学意义(P <0.01)。低、中年资医师联合诊断的AUC值显著提高,且差异有统计学意义(P<0.01),其中联合方案三、四显著优于方案一、二(P<0.05);高年资医师联合后AUC值降低。结论:S-Detect技术具有较高的诊断特异性,低、中年资医师联合S-Detect技术进行BI-RADS分类可以提高诊断效能,其中联合方案三、四较优。展开更多
针对安全帽检测任务中存在的目标面积小、目标被不同程度遮挡、复杂背景干扰目标等问题,提出了基于YOLOX的多感受野增强的安全帽检测算法(multiple receptive field enhancement-YOLOX,MRFE-YOLOX)。在特征融合网络中增加浅层特征融合分...针对安全帽检测任务中存在的目标面积小、目标被不同程度遮挡、复杂背景干扰目标等问题,提出了基于YOLOX的多感受野增强的安全帽检测算法(multiple receptive field enhancement-YOLOX,MRFE-YOLOX)。在特征融合网络中增加浅层特征融合分支,提升小目标特征信息流通效率,提高了小目标的检测精度;设计基于空洞卷积组与卷积注意力机制的感受野增强模块(receptive field augmentation module,RFAM),捕获了更大范围的感受野和图像特征,改善了遮挡目标漏检率高的问题;根据三分支注意力机制构建特征增强网络(feature enhancement network,FENet),抑制背景噪音对目标区域的干扰,降低了复杂背景下的目标误检率;引入空间到深度卷积(space to depth-conv,SPD-Conv)得到无信息损失的二倍下采样特征图,保留了更多的特征信息,同时减少了模型的参数量。实验结果表明,所提算法的均值平均精度相较于基线算法提升了2.78个百分点,FPS达到了102.67,满足了爆破现场安全帽实时检测的需要。展开更多
文摘目的:探讨S-Detect技术与常规超声不同联合方案在乳腺结节评估中的应用价值。方法:收集2019年5月-2020年4月175个乳腺结节的常规超声图像,术前由低、中、高年资的超声医师各自进行常规超声乳腺影像报告和数据系统(breast imaging report and data system,BI-RADS),分类,并分别以4种不同方案联合S-Detect结果进行调整,术后以病理结果为金标准,评估S-Detect的诊断价值,同时比较不同年资医师联合不同方案前后的诊断效能。结果:单用S-Detect的诊断特异性高于超声医师,差异均有统计学意义(P <0.01)。低、中年资医师联合诊断的AUC值显著提高,且差异有统计学意义(P<0.01),其中联合方案三、四显著优于方案一、二(P<0.05);高年资医师联合后AUC值降低。结论:S-Detect技术具有较高的诊断特异性,低、中年资医师联合S-Detect技术进行BI-RADS分类可以提高诊断效能,其中联合方案三、四较优。
文摘针对安全帽检测任务中存在的目标面积小、目标被不同程度遮挡、复杂背景干扰目标等问题,提出了基于YOLOX的多感受野增强的安全帽检测算法(multiple receptive field enhancement-YOLOX,MRFE-YOLOX)。在特征融合网络中增加浅层特征融合分支,提升小目标特征信息流通效率,提高了小目标的检测精度;设计基于空洞卷积组与卷积注意力机制的感受野增强模块(receptive field augmentation module,RFAM),捕获了更大范围的感受野和图像特征,改善了遮挡目标漏检率高的问题;根据三分支注意力机制构建特征增强网络(feature enhancement network,FENet),抑制背景噪音对目标区域的干扰,降低了复杂背景下的目标误检率;引入空间到深度卷积(space to depth-conv,SPD-Conv)得到无信息损失的二倍下采样特征图,保留了更多的特征信息,同时减少了模型的参数量。实验结果表明,所提算法的均值平均精度相较于基线算法提升了2.78个百分点,FPS达到了102.67,满足了爆破现场安全帽实时检测的需要。
