基于DYOLO神经网络的超声图像肾脏检测

摘要：

为便于慢性肾脏疾病的计算机辅助诊断,提出一种基于DYOLO神经网络学习模型的自动超声图像肾脏检测方法.将YOLOv3和可变形卷积网络集成在一个端到端学习框架中,使得DYOLO可根据肾脏的大小和形状自适应调节接收域,以适应肾脏的各种纹理特征形变,实现临床超声图像中肾脏的自动检测.在自制KidneyDetec超声图像肾脏检测数据集上的实验结果表明,该方法在DYOLO网络模型的图像输入尺寸为416像素×416像素和608像素×608像素的情况下分别取得了89.6％和90.5％的平均精度均值,相比基于深度学习的目标检测方法具有更高的检测速度和检测精度,适用于慢性肾脏疾病的早期诊断.

关键词：慢性肾脏疾病;计算机辅助诊断;深度神经网络;超声图像;目标检测

所属期刊栏目：47

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金61303079

在线出版日期：2021-09-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：307-313