基于DYOLO神经网络的超声图像肾脏检测

作者：刘奇; 赵丽霞; 郑曙光; 赵希梅^*

来源：计算机工程, 2021, 47(07): 307-313.

DOI：10.19678/j.issn.1000-3428.0058565

• 慢性肾脏疾病
• 计算机辅助诊断
• 深度神经网络
• 超声图像
• 目标检测

为便于慢性肾脏疾病的计算机辅助诊断,提出一种基于DYOLO神经网络学习模型的自动超声图像肾脏检测方法。将YOLOv3和可变形卷积网络集成在一个端到端学习框架中,使得DYOLO可根据肾脏的大小和形状自适应调节接收域,以适应肾脏的各种纹理特征形变,实现临床超声图像中肾脏的自动检测。在自制Kidney Detec超声图像肾脏检测数据集上的实验结果表明,该方法在DYOLO网络模型的图像输入尺寸为416像素×416像素和608像素×608像素的情况下分别取得了89.6%和90.5%的平均精度均值,相比基于深度学习的目标检测方法具有更高的检测速度和检测精度,适用于慢性肾脏疾病的早期诊断。

• 单位
  青岛大学附属医院; 青岛大学