基于优化卷积网络Faster R-CNN自动检测甲状腺结节超声图像的研究
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.3969/j.issn.1002-0101.2023.02.028

基于优化卷积网络Faster R-CNN自动检测甲状腺结节超声图像的研究

引用
目的 通过改进卷积网络Faster R-CNN建立人工智能模型,自动检测甲状腺超声图像中的结节位置,为超声医师提供准确可靠的诊断参考.方法 收集甲状腺结节超声图像9 071幅,共11 538个结节.由1名经验丰富的超声医师对图像中的结节进行标注后作为样本数据集.使用有针对性的策略对Faster R-CNN网络结构和训练过程进行改进.优化后的网络模型经过五折交叉验证分析,并与3名超声医师对随机选取的100张甲状腺结节超声图像分别进行标注,比较检测效果.结果 优化后的Faster R-CNN网络模型可以准确地定位目标结节的位置,mAP为92.79%,单张图片的检测时间为0.06 s,对定位体积较小、不规则形状的结节更为准确.与超声医师的标注结果相比,人工智能模型的精确率和召回率较高(84.43%和 82.94%).结论 人工智能网络模型自动检测甲状腺结节在准确度和实时性方面均表现出良好的效果,在提高超声医师工作效率、辅助诊断方面具有良好的临床应用价值.

超声图像、甲状腺结节、人工智能、深度学习

39

TP391.41;R445.1;TN911.73

2023-04-17(万方平台首次上网日期,不代表论文的发表时间)

共5页

209-213

相关文献
评论
暂无封面信息
查看本期封面目录

中国超声医学杂志

1002-0101

11-2110/R

39

2023,39(2)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn