一种改进YOLOv3模型的肺部结节识别方法

摘要：

由于传统方法对肺结节检测准确率低、速度慢,故提出一种改进YOLOv3模型检测算法,利用聚类算法对数据集进行聚类分析,并获得新的Anchor size,在原有的基础网络上进行更新改进并且调整YOLOv3算法的模型使其适应肺结节的检测任务,提高检测效率.另外,利用K-means分离前景和背景完成CT图像的预分割,对预分割结果使用腐蚀、膨胀等形态学操作提取出肺实质.改进后的YOLOv3算法在LUAN16数据集上做实验.实验结果表明,改进的YOLOv3算法对于肺结节的检测得到的mAP值达到0.932,其性能明显优于传统YOLOv3算法且具有可行性.

关键词：深度学习;肺结节检测;YOLOv3;计算机辅助诊断;维度聚类;Darknet-53;mAP值;目标检测

所属期刊栏目：44

分类号：TN911.73-34;TP3

资助基金：河北省自然科学基金项目;河北省教育厅科技计划项目

在线出版日期：2021-12-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：44-47