基于跨路径特征聚合的改进型YOLOv3乳腺肿块识别算法
基于跨路径特征聚合的改进型YOLOv3乳腺肿块识别算法
复制标题
DOI：
10.3788/lop202259.0410003
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
郭林英
中科院分区：
文献类型：
--
作者：
王杉;胡艺莹;丰亮;郭林英
针对基于深度学习的乳腺癌诊断中小肿块和互相遮挡肿块易被漏诊的问题,提出了一种用于乳腺肿块检测的改进型YOLOv3算法。首先,在特征融合模块中添加了自底向上的路径,并采用级联和跨层连接的方式充分利用底层特征信息,提高了小肿块的识别精度;其次,为了筛选出更精确的预测框,避免互相遮挡的肿块出现漏检的情况,在软非极大值抑制(Soft-NMS)算法中引入了距离交并比(DIoU)来抑制冗余的预测框。实验结果表明,所提乳腺肿块检测算法在检测小肿块和互相遮挡的肿块方面有较高的准确率和速度,平均均值精度(mAP@0.5)达到了96.1%,相比于YOLOv3提高了1.8个百分点,且每张钼靶图像的检测时间仅为28 ms。