一种改进YOLOv3模型的肺部结节识别方法

作者：杨友良; 张建舒^*; 陈波

来源：现代电子技术, 2021, 44(23): 44-47.

DOI：10.16652/j.issn.1004-373x.2021.23.009

• 深度学习
• 肺结节检测
• YOLOv3
• 计算机辅助诊断
• 维度聚类
• Darknet-53
• mAP值
• 目标检测

由于传统方法对肺结节检测准确率低、速度慢,故提出一种改进YOLOv3模型检测算法,利用聚类算法对数据集进行聚类分析,并获得新的Anchor size,在原有的基础网络上进行更新改进并且调整YOLOv3算法的模型使其适应肺结节的检测任务,提高检测效率。另外,利用K-means分离前景和背景完成CT图像的预分割,对预分割结果使用腐蚀、膨胀等形态学操作提取出肺实质。改进后的YOLOv3算法在LUAN16数据集上做实验。实验结果表明,改进的YOLOv3算法对于肺结节的检测得到的mAP值达到0.932,其性能明显优于传统YOLOv3算法且具有可行性。

• 单位
  华北理工大学