基于Cascade Rcnn的超声甲状腺结节检测研究

• 作者: 章浩伟 李占齐 刘颖 李淼
• 来源期刊: 中国生物医学工程学报
• 学科: 医学
• 关键词: 甲状腺超声图像 Cascade Rcnn 目标检测 迁移学习
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 论著|Regular Papers
• 页码范围: 64-72
• 页数: 9页
• 分类号: R318
• 语种: 中文
• DOI: 10.3969/j.issn.0258-8021.2022.01.008

摘要

甲状腺超声图像由于对比度低、边缘不清晰、高噪声和周围组织复杂难辨等问题,给医生诊断甲状腺疾病造成困难.针对此问题,采用Cascade Rcnn目标检测算法,分别以ResNet50、Resnet101以及融合压缩激励注意力模块SE-ResNet50、SE-ReNet101为主干网络,对从某三甲医院获取的1 513例(其中良性结节832例,恶性结节681例)甲状腺超声图像,在专业超声科医生的指导下进行预处理,制作本次实验使用的标准coco格式数据集.采用迁移学习的方式将从Imagenet大型数据库上预训练得到的权重迁移到本次实验模型结构中,经过4个主干网络的实验结果对比,以SE-ResNet101为主干网络的Cascade Rcnni算法,在结节定位和判别方面,实现了精确率92.4％,召回率86.2％,特异性95.1％,F1值89.2％,mAP值82.4％的检测效果,对辅助医生进行甲状腺超声图像的诊断具有一定的临床指导意义.