基于Faster R-CNN的乳腺肿块辅助检测

作者：徐一舫; 卓一瑶; 孙海洋^*; 杨冠男

来源：电脑知识与技术, 2019, 15(18): 217-220.

DOI：10.14004/j.cnki.ckt.2019.2016

• tensorflow
• 卷积神经网络
• 深度学习
• 乳腺肿块
• 物体检测

乳腺钼靶X线图像与多数医学图像相比,肿块边沿模糊、特征区域过小、良性肿块与恶性肿块构成相似。为了解决传统计算机辅助检测乳腺肿块技术效果差的问题,对基于深度学习的乳腺肿块检测模型进行了研究,分析了R-CNN、SPPNet、Fast R-CNN、Faster R-CNN算法的原理。收集并增强了相关数据集。在Ubuntu系统下采用Tensorflow实现了四种算法。对比R-CNN系列算法的检测精度与单张图像检测耗时,验证了Faster R-CNN乳腺肿块算法的检测能力。研究结果表明,Faster R-CNN算法正确率为82.2%且单张图像检测耗时为57ms,具有良好的泛化能力与鲁棒性,适用于医学中有关乳腺肿块的检测任务。

• 单位
  南京大学金陵学院