目的隨著機器學(xué)習(xí)的發(fā)展,如何準(zhǔn)確高效地識別肺部CT圖像中的肺結(jié)節(jié)具有重要的應(yīng)用價值。方法針對肺部結(jié)構(gòu)復(fù)雜、肺部結(jié)節(jié)過小、肺結(jié)節(jié)病理特征各異等特點,提出一個以YOLO算法為基礎(chǔ),結(jié)合Darknet-53網(wǎng)絡(luò)和Densenet網(wǎng)絡(luò)的思想,在多尺度間具有緊密連接的深度卷積神經(jīng)網(wǎng)絡(luò)。為保證圖像有效信息和提高目標(biāo)定位的精確性以及檢測的召回率,首先對數(shù)據(jù)集圖像尺寸大小進(jìn)行固定,其次通過K-means算法對數(shù)據(jù)集進(jìn)行聚類分析,最后使用二元交叉熵做類別預(yù)測。實驗使用美國癌癥研究所公開的肺部圖像數(shù)據(jù)集聯(lián)盟(Lung Image Database Consortium, LIDC)提供的數(shù)據(jù)集,對肺結(jié)節(jié)檢測的準(zhǔn)確率以及檢測效率進(jìn)行了實驗對比。結(jié)果改進(jìn)的深度卷積神經(jīng)網(wǎng)絡(luò)對肺結(jié)節(jié)檢測的準(zhǔn)確率及檢測效率均有提升。在肺部CT圖像中肺結(jié)節(jié)檢測的平均查全率達(dá)到95.69%,對微小結(jié)節(jié)的平均查全率達(dá)到88.66%,每秒識別幀數(shù)達(dá)到32 f/s,相比當(dāng)前最快的Faster R-CNN檢測時間縮短了近80%。結(jié)論通過對YOLO算法的改進(jìn)可以提高肺結(jié)節(jié)檢測效率,為肺部CT圖像肺結(jié)節(jié)實時檢測提供了條件。

【文章頁數(shù)】：7 頁

【文章目錄】：
0 引言
1 算法的提出
    1.1 YOLO檢測網(wǎng)絡(luò)
    1.2 算法改進(jìn)
        1.2.1 預(yù)訓(xùn)練尺寸
        1.2.2 網(wǎng)格劃分
        1.2.3 基于數(shù)據(jù)集的聚類的改進(jìn)
        1.2.4 網(wǎng)絡(luò)改進(jìn)
        1.2.5 評價方法
2 實驗對比
    2.1 實驗平臺
    2.2 數(shù)據(jù)集
    2.3 方法對比
3 討論
4 結(jié)論



本文編號：3810684