结合深度学习与特征多尺度融合的微钙化簇检测

摘要：

为了准确识别X线图像中的微钙化簇以进行乳腺癌的辅助诊断与早期预防,结合细粒度级联增强网络(FCE-Net)与多尺度特征融合算法(MFF),提出微钙化簇目标检测方法.首先构建FCE-Net累加卷积模块层级权重,并增强多分支结构,得到细粒度卷积特征图.然后构建MFF候选检测网络,通过二倍上采样融合多尺度特征,得到目标置信度和区域坐标.最后在感兴趣区域池化层分类目标并调整边界框.在MIAS数据集上实验表明,结合FCE-Net与MFF可以提升微小目标的深层特征提取能力,同时增强目标分类与定位的准确度.

关键词：目标检测、深度学习、卷积神经网络、多尺度特征融合(MFF)、微钙化簇

所属期刊栏目：31

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金面上项目41877527;陕西省自然科学基金项目2016JM6023

在线出版日期：2019-01-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：1028-1039