一种基于Faster R-CNN的甲状腺结节超声图像目标检测改进算法

An Improved Object Detection Algorithm for Thyroid Nodule Ultrasound Image Based on Faster R-CNN

二维码有效期 120s

摘要目的为提高超声图像中甲状腺结节目标检测精度,提出一种基于Faster R-CNN的甲状腺结节目标检测改进算法.方法该算法采用结合了可变形卷积(deformable convolution,DC)的ResNeSt50作为主干网络,提高对形状不规则结节的检测效果.并在主干网络后方引入特征金字塔网络(feature pyramid networks,FPN)和感兴趣区域对齐,前者用于减少甲状腺结节漏检误检现象,后者用于提高小尺寸结节的检测精度.此外,在算法训练的反向传播过程中,使用由锐度感知最小化(sharpness-aware minimization,SAM)改进优化器进行参数更新,提高算法的泛化能力.结果实验采用来自徐州医科大学附属医院及南京市第一医院6 261张甲状腺超声图像,对改进算法的有效性进行对比评估.实验表明,该算法具有一定的优化效果,最终在测试集的AP50高达97.4%,AP@50:5:95较原始模型也提升了10.0%.与原始模型和现有模型相比改进算法有着更高的检测精度,能更精准地检测甲状腺结节,特别在较低的检测框精度要求下有着较高的召回率.结论本研究提出的改进方法是有效的甲状腺结节目标检测算法,能精准地检测出甲状腺结节.