首页|基于改进YOLOV4的肺结节检测方法

基于改进YOLOV4的肺结节检测方法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
近年来，深度学习技术在肺结节检测领域有着重要的进展。然而，很多方法通常需要有大量的医疗数据训练，但在实际场景中，如医院，数据有限并且硬件有限，所以经常是需要牺牲算法的准确性，以确保在实际场景中的应用。因此，综合考虑有效性和效率是非常有意义的。本文突出了一个相对平衡有效性和效率的算法，并且可直接应用。此方法分为两个阶段完成，首先，主要尝试通过结合各种现有方法，提高网络的准确性:DO Conv、CBAM和focal loss;其次，对冗余通道修剪以获得更高效率。通过多种改进，在LIDC-IDRI数据集上的实验结果表明，AP为90。5，FPS为25(25帧/s)。与多个最先进的检测方法比较，此方法具有更好的检测性能，并且本文提出的方法可以在医院更好地部署。

黄冕、刘顺有、杨林海

展开 >

云南国土资源职业学院 云南昆明 652501

CT图像 肺结节检测 Yolo算法 目标识别

云南计算机技术应用重点实验室开放基金

2020106

2022

10.16660/j.cnki.1674-098X.2202-5640-9194

科技创新导报
中国宇航出版社 中国合作创新国际科技服务中心

科技创新导报

影响因子：0.455
ISSN：1674-098X
年,卷(期)：2022.19(11)
  • 5