基于Faster R-CNN的乳腺肿块辅助检测

• 作者: 卓一瑶 孙海洋 徐一舫 杨冠男
• 来源期刊: 电脑知识与技术:学术版
• 学科: 工学
• 关键词: tensorflow 卷积神经网络 深度学习 乳腺肿块 物体检测
• 年，卷（期）: 2019,（6X）
• 页码范围: 217-220
• 页数: 4页
• 分类号: TP18

摘要

乳腺钼靶X线图像与多数医学图像相比,肿块边沿模糊、特征区域过小、良性肿块与恶性肿块构成相似。为了解决传统计算机辅助检测乳腺肿块技术效果差的问题,对基于深度学习的乳腺肿块检测模型进行了研究,分析了R-CNN、SPPNet、Fast R-CNN、Faster R-CNN算法的原理。收集并增强了相关数据集。在Ubuntu系统下采用Tensorflow实现了四种算法。对比R-CNN系列算法的检测精度与单张图像检测耗时,验证了Faster R-CNN乳腺肿块算法的检测能力。研究结果表明,Faster R-CNN算法正确率为82.2%且单张图像检测耗时为57ms,具有良好的泛化能力与鲁棒性,适用于医学中有关乳腺肿块的检测任务。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙海洋	南京大学金陵学院	18	31	4.0	5.0
2	徐一舫	南京大学金陵学院	3	1	1.0	1.0
3	卓一瑶	南京大学金陵学院	3	1	1.0	1.0
4	杨冠男	南京大学金陵学院	12	21	3.0	4.0