换一批基于deep CNN的Faster R-CNN在肝脏肿瘤超声图像中的初步应用
Preliminary Application of Faster R-CNN Based on Deep CNN in Ultrasound Images of Liver Masses
摘要目的 运用Faster R-CNN特征计算借助深层CNN架构,分析预标识肝脏肿块超声图像,尝试建立检测器并测试其效能.方法 选择肝囊肿及肝癌超声图像为研究对象,收集正常肝脏各切面图像行deep CNN学习,迁移学习后优化预先训练的deep CNN构建更快的R-CNN.将ImageJ软件标识的肿瘤图像作为补丁训练分类器,并通过与基于区域建议的卷积神经网络集成构建检测器,检测器检测样本后自动标识肝脏异常病灶.结果 (1) Faster R-CNN较传统检测器检测效率提高;(2) Faster R-CNN预测肝囊肿及肝癌的平均准确率均高于传统HOG-SVM,AlexNet、GoogleNet、ResNet三种CNN预测肝囊肿的准确率差异不显著,而三种方法中ResNet预测肝癌的准确性最佳.deep CNN进行特征转移五次交叉验证后,补丁分类结果中AlexNet、GoogleNet、ResNet预测准确性分别为94.94％、94.14％、98.68％,较传统HOG-SVM分类器准确性87.29％有提高.结论 基于deep CNN的Faster R-CNN可高效准确预测肝脏肿瘤超声图像,具有一定的临床及研究价值.
更多相关知识
医学主题词
肿瘤(Neoplasms)预测(Forecasting)机器学习(Machine Learning)人工智能(Artificial Intelligence)肝肿瘤(Liver Neoplasms)
栏目名称
DOI
10.3969/j.issn.1002-0101.2020.03.008
发布时间
2020-05-11（万方平台首次上网日期，不代表论文的发表时间）
基金项目
南通市应用基础研究关键技术重点研发（No.MS12017010-6）
- 浏览0
- 被引6
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
