自动三维乳腺超声(Automated 3-D Breast Ultrasound,ABUS)克服传统超声的缺陷,成功应用于对腹壁疝轻量型补片的检查.但人工检阅ABUS超声图像耗时费力,且极易出现漏诊等问题.因此,文章提出一种基于改进YOLOv3和迁移学习的目标检测算法...自动三维乳腺超声(Automated 3-D Breast Ultrasound,ABUS)克服传统超声的缺陷,成功应用于对腹壁疝轻量型补片的检查.但人工检阅ABUS超声图像耗时费力,且极易出现漏诊等问题.因此,文章提出一种基于改进YOLOv3和迁移学习的目标检测算法以辅助医生提高审阅速度和准确性.基于原有的YOLOv3模型,在检测层前增加空间金字塔池化(Spatial Pyramid Pooling,SPP)模块实现局部特征与全局特征的融合,丰富特征图的表达,解决了检测图像中小目标难以检测的问题;在网络训练中,采用迁移学习的策略进行训练网络以克服轻量型补片图像数据集有限的问题,提升网络的鲁棒性减少过拟合产生.实验结果表明,YOLOv3-SPP算法结合迁移学习训练方式,其平均精度均值(mean Average Precision,mAP)达到90.15%,图像检测速度为33.2 f·s^(-1),可有效辅助医生提高审阅效率.展开更多
文摘自动三维乳腺超声(Automated 3-D Breast Ultrasound,ABUS)克服传统超声的缺陷,成功应用于对腹壁疝轻量型补片的检查.但人工检阅ABUS超声图像耗时费力,且极易出现漏诊等问题.因此,文章提出一种基于改进YOLOv3和迁移学习的目标检测算法以辅助医生提高审阅速度和准确性.基于原有的YOLOv3模型,在检测层前增加空间金字塔池化(Spatial Pyramid Pooling,SPP)模块实现局部特征与全局特征的融合,丰富特征图的表达,解决了检测图像中小目标难以检测的问题;在网络训练中,采用迁移学习的策略进行训练网络以克服轻量型补片图像数据集有限的问题,提升网络的鲁棒性减少过拟合产生.实验结果表明,YOLOv3-SPP算法结合迁移学习训练方式,其平均精度均值(mean Average Precision,mAP)达到90.15%,图像检测速度为33.2 f·s^(-1),可有效辅助医生提高审阅效率.
