基于ConA-FPN的肝脏肿瘤检测算法

摘要：

深度学习方法在病灶检测任务中被广泛应用,但因肝脏肿瘤较小和样本较少的问题,导致无法达到辅助诊断的准确率要求.针对以上问题,提出基于ConA-FPN的肝脏肿瘤检测算法,具体过程为:使用融合ResNet和注意力机制的特征金字塔替换Faster R-CNN中的特征提取网络;使用融合特征解决特征金字塔中的高层模块通道信息损失问题,通过添加CAG注意力机制解决了特征融合带来的特征混叠问题,增强模型对小肿瘤的检测能力;使用迁移学习和数据增强提升模型在小数据集上的检测能力和泛化能力.实验结果表明,ConA-FPN在LITS2017和3D-IRCADB上的平均精度达到87.43％,明显优于主流检测模型.

关键词：ConA-FPN、肝脏肿瘤、特征融合、小目标、小数据集

所属期刊栏目：59

分类号：TP391(计算技术、计算机技术)

资助基金：宁夏自然科学基金项目;北方民族大学中央高校基本科研业务费专项;北方民族大学中央高校基本科研业务费专项;北方民族大学计算机视觉与虚拟现实创新团队项目;北方民族大学研究生创新项目

在线出版日期：2023-02-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：161-169