10.3969/j.issn.1009-0134.2023.02.002
基于改进YOLOv4的乳腺肿块检测
乳腺癌的早期发现和治疗对提高患者生存率至关重要.针对乳房x线摄影图像中小肿块的特征提取难度大导致其常被漏诊的问题,提出了改进的YOLOv4乳腺肿块检测和分类方法.首先,采用递归特征金字塔作为特征融合模块,将特征金字塔网络提取的信息反馈到主干网络中进行重复利用,提高了小肿块的识别精度.其次,为了加快计算速度,节省计算成本,提出了一种改进的深度可分离卷积来代替主干网络中的标准卷积.最后,对改进模块做了消融实验并与其他传统目标检测算法进行了对比分析.实验结果表明,改进的YOLOv4乳腺肿块检测方法的mAP达到了95.48％,相较于原始YOLOv4算法提升了1.38％,每张图像的检测时间只需要31ms,缩短了12ms.
乳房x线摄影术、YOLOv4、深度可分离卷积、递归特征金字塔、目标检测
45
TP391.4(计算技术、计算机技术)
国家自然科学基金;江西省杰出青年人才培养计划
2023-03-06（万方平台首次上网日期，不代表论文的发表时间）
共7页
6-11,21
