10.3778/j.issn.1002-8331.1804-0131
基于中值滤波和残差网络的甲状腺结节检测
利用超声图像对甲状腺结节进行检测在医学诊断中具有至关重要的作用.针对传统机器学习方法处理过程中存在噪声复杂、特征提取困难等问题,提出一种基于中值滤波和深度学习残差网络的甲状腺超声图像结节检测方法.采用统计阈值中值滤波方法,提高结节边缘特征,实现超声图像自动增强;构建CNN6-Residual模型提取和筛选结节特征,使用跨层连接和残差学习降低网络训练难度.实验结果表明,该方法检测准确率达到97.03%,具有较高的临床应用价值.
统计阈值、中值滤波、残差神经网络、甲状腺结节、特征提取
55
TP301(计算技术、计算机技术)
宁夏自然科学基金NZ17010;国家自然科学基金61751215;西部一流大学科研创新项目ZKZD2017005
2019-07-25(万方平台首次上网日期,不代表论文的发表时间)
共6页
254-259