基于改进YOLO算法的肺部CT图像中结节检测研究

冯旭鹏刘利军王波黄青松

昆明理工大学;

摘要：

目的 随着机器学习的发展,如何准确高效地识别肺部CT图像中的肺结节具有重要的应用价值.方法 针对肺部结构复杂、肺部结节过小、肺结节病理特征各异等特点,提出一个以YOLO算法为基础,结合Darknet-53网络和Densenet网络的思想,在多尺度间具有紧密连接的深度卷积神经网络.为保证图像有效信息和提高目标定位的精确性以及检测的召回率,首先对数据集图像尺寸大小进行固定,其次通过K-means算法对数据集进行聚类分析,最后使用二元交叉熵做类别预测.实验使用美国癌症研究所公开的肺部图像数据集联盟(Lung Image Database Consortium,LIDC)提供的数据集,对肺结节检测的准确率以及…展开v

关键词：YOLO算法、CT图像、肺结节检测、多尺度预测、目标识别

所属期刊栏目：39

分类号：R318.04(医用一般科学)

资助基金：国家自然科学基金81860318、81560296

在线出版日期：2020-12-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：615-621