目前乳腺癌已取代肺癌成为年发病率最高的癌症,基于深度学习的目标检测技术可对乳腺X线、乳腺超声和乳腺核磁共振等非侵入式成像进行自动病变检测,已成为乳腺癌辅助诊断的首选途径.YOLO(you only look once)系列算法是基于深度学习的目...目前乳腺癌已取代肺癌成为年发病率最高的癌症,基于深度学习的目标检测技术可对乳腺X线、乳腺超声和乳腺核磁共振等非侵入式成像进行自动病变检测,已成为乳腺癌辅助诊断的首选途径.YOLO(you only look once)系列算法是基于深度学习的目标检测算法,经典YOLO算法在速度和精准度具有优势,被广泛应用于计算机视觉各领域,最新YOLO算法是计算机视觉领域的SOTA(state of the art)模型,如何利用YOLO系列算法提高乳腺癌检测速度和准确率,已经成为研究者关注的焦点之一.基于此,本文介绍经典YOLO系列算法的原理,梳理经典YOLO系列算法在乳腺癌图像检测中的应用现状,并归纳总结现存问题,同时对YOLO系列算法在乳腺癌检测的进一步应用进行展望.展开更多
文摘目前乳腺癌已取代肺癌成为年发病率最高的癌症,基于深度学习的目标检测技术可对乳腺X线、乳腺超声和乳腺核磁共振等非侵入式成像进行自动病变检测,已成为乳腺癌辅助诊断的首选途径.YOLO(you only look once)系列算法是基于深度学习的目标检测算法,经典YOLO算法在速度和精准度具有优势,被广泛应用于计算机视觉各领域,最新YOLO算法是计算机视觉领域的SOTA(state of the art)模型,如何利用YOLO系列算法提高乳腺癌检测速度和准确率,已经成为研究者关注的焦点之一.基于此,本文介绍经典YOLO系列算法的原理,梳理经典YOLO系列算法在乳腺癌图像检测中的应用现状,并归纳总结现存问题,同时对YOLO系列算法在乳腺癌检测的进一步应用进行展望.
