基于改进的YOLOv3算法的乳腺超声肿瘤识别
为了提高乳腺癌诊断的效率以及准确性,本文提出一种基于改进的YOLOv3算法来构建一个乳腺超声肿瘤识别算法,辅助医生进行乳腺癌的诊断.首先在Res2Net网络上融入SE模块构建SE-Res2Net网络来取代原始YOLOv3中的特征提取网络,以此提升模型特征提取的能力.然后通过搭建一个新型下采样模块(down-sample block)来解决原始模型中下采样操作容易出现信息丢失的不足.最后为了进一步提升模型特征提取的能力,结合残差连接网络以及密集连接网络的优点构建Res-DenseNet网络来替换原始模型的残差连接方式.实验结果表明:改进后的YOLOv3算法比原始YOLOv3算法的mAP提高了4.56%,取得较好的检测结果.
乳腺癌、超声影像、YOLOv3、SE-Res2Net、下采样模块、残差连接、密集连接
16
TP181(自动化基础理论)
2021-06-15(万方平台首次上网日期,不代表论文的发表时间)
共9页
21-29