基于迁移学习的超声图像甲状腺结节定位方法

• 作者: 孙芳芳 张玲 梁乐平
• 来源期刊: 生物医学工程研究
• 学科: 医学
• 关键词: 甲状腺结节 超声图像 卷积神经网络 迁移学习 目标定位
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 论著
• 页码范围: 347-352
• 页数: 6页
• 分类号: R318
• 语种: 中文
• DOI: 10.19529/j.cnki.1672-6278.2020.04.05

摘要

本研究提出一种基于迁移学习的甲状腺结节定位方法,利用深度卷积神经网络提取结节超声图像的特征,进而采用包围盒回归的方式定位甲状腺结节.分别分析了基于Xception、VGG-19和Resnet50三种预训练模型的结节定位方法.结果表明,基于Resnet50模型的神经网络结构在小样本量条件下,具有较高的定位准确率,有一定的临床应用价值.