基于改进的YOLOv3算法的乳腺超声肿瘤识别

• 作者: 徐立芳 傅智杰 莫宏伟
• 来源期刊: 智能系统学报
• 关键词: 乳腺癌 超声影像 YOLOv3 SE-Res2Net 下采样模块 残差连接 密集连接
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 机器学习|Machine Learning
• 页码范围: 21-29
• 页数: 9页
• 分类号: TP181
• 语种: 中文
• DOI: 10.11992/tis.202010004

摘要

为了提高乳腺癌诊断的效率以及准确性,本文提出一种基于改进的YOLOv3算法来构建一个乳腺超声肿瘤识别算法,辅助医生进行乳腺癌的诊断.首先在Res2Net网络上融入SE模块构建SE-Res2Net网络来取代原始YOLOv3中的特征提取网络,以此提升模型特征提取的能力.然后通过搭建一个新型下采样模块(down-sample block)来解决原始模型中下采样操作容易出现信息丢失的不足.最后为了进一步提升模型特征提取的能力,结合残差连接网络以及密集连接网络的优点构建Res-DenseNet网络来替换原始模型的残差连接方式.实验结果表明:改进后的YOLOv3算法比原始YOLOv3算法的mAP提高了4.56％,取得较好的检测结果.