换一批基于深度学习算法Mask R-CNN的甲状腺结节检测模型研究
Study on Thyroid Nodule Detection Model Based on Deep Learning Algorithm Mask R-CNN
摘要目的/意义 采用基于区域卷积神经网络的目标掩码分割算法(mask region-based convolutional neural network,Mask R-CNN)建立目标检测模型,智能识别甲状腺超声图像结节位置,为超声医生决策提供参考.方法/过程 收集超声结节图像1 650 张,使用labelme工具进行结节位置标注.对Mask R-CNN的主干网络分别采用MobileNetV3、ResNet50、ResNet101 和ResNet152 进行替换,并引入特征金字塔和感兴趣区域对齐,采用迁移学习训练策略训练模型,比较不同网络下目标检测效果.结果/结论 主干网络采用ResNet101 训练的模型平均精确度为86.8%,平均召回率为95.3%,平均F1 分数为 90.6%,优于其他主干网络,能更精确地检测甲状腺结节,具有一定临床应用价值.
更多相关知识
栏目名称
DOI
10.3969/j.issn.1673-6036.2025.03.015
发布时间
2025-04-22（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（81971708）
- 浏览0
- 被引2
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
