-
题名一种乳腺X线影像肿块征象检测算法
被引量：2
- 1
-
-
作者
李珊珊
张曦
刘文
杨嘉鹏
海玲
-
机构
新疆师范大学计算机科学技术学院
新疆工程学院人工智能与智慧矿山工程技术中心
新疆医科大学附属肿瘤医院影像诊断中心
-
出处
《小型微型计算机系统》
CSCD
北大核心
2023年第11期2546-2551,共6页
-
基金
新疆维吾尔自治区自然科学基金项目(2021D01C393,20212D01A46)资助
国家自然科学基金项目(61962058)资助
+1 种基金
数据工程与数字矿山联合实验室项目(2019QX0035)资助
新疆维吾尔自治区高校科研计划自然科学项目青年项目(XJEDU2020Y043)资助。
-
文摘
针对乳腺X线影像数据样本少、肿块类别间差异不明显、乳腺肿块背景复杂与组织对比度低,导致检测的精度低等问题,文章提出了一种乳腺X线影像肿块征象检测算法.首先在主干网络中的卷积层中添加高效注意力机制,提升算法对特征的提取能力;其次,在特征提取网络中引入非对称卷积结构,利用3种不同尺度的卷积核进行特征检测,增强模型对旋转和翻转目标的特征提取能力,最后使用One Cycle学习率调整策略在模型训练时跳出局部最优解.在DDSM(CBIS-DDSM)公开数据集测试,本文提出的YOLOv5-EA模型有效提高了乳腺X线影像目标检测精度,在识别X线影像的良、恶性肿块及钙化灶的准确率分别达到了93.0%,88.4%和88.1%.
-
关键词
X线影像
目标检测
YOLOv5
乳腺肿瘤
注意力机制
-
Keywords
X-ray image
object detection
YOLOv5
breast tumor
attention mechanism
-
分类号
TP399
[自动化与计算机技术—计算机应用技术]
-
