基于DYOLO神经网络的超声图像肾脏检测

• 作者: 刘奇 赵丽霞 郑曙光 赵希梅
• 来源期刊: 计算机工程
• 关键词: 慢性肾脏疾病 计算机辅助诊断 深度神经网络 超声图像 目标检测
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 开发研究与工程应用|Development Research and Engineering Application
• 页码范围: 307-313
• 页数: 7页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0058565

摘要

为便于慢性肾脏疾病的计算机辅助诊断,提出一种基于DYOLO神经网络学习模型的自动超声图像肾脏检测方法.将YOLOv3和可变形卷积网络集成在一个端到端学习框架中,使得DYOLO可根据肾脏的大小和形状自适应调节接收域,以适应肾脏的各种纹理特征形变,实现临床超声图像中肾脏的自动检测.在自制KidneyDetec超声图像肾脏检测数据集上的实验结果表明,该方法在DYOLO网络模型的图像输入尺寸为416像素×416像素和608像素×608像素的情况下分别取得了89.6％和90.5％的平均精度均值,相比基于深度学习的目标检测方法具有更高的检测速度和检测精度,适用于慢性肾脏疾病的早期诊断.