摘要
利用B超影像定位肝癌病灶区域有助于医生观察肿瘤及周围组织的特征变化,对病人的临床诊断、治疗方案选择以及预后具有重要的意义。然而在临床应用中,由于肿瘤的异质性和B超影像具有噪声斑点多、对比度差及病灶边缘不清晰等问题,导致定位结果高度依赖于放射科医生经验,具有较大的主观性。基于深度学习的方法建立了SSD肝癌病灶定位网络,并引入Yolo V3、Yolo V4、Faster RCNN和CenterNet等4种常见的目标检测网络进行对比实验,利用自主建立的肝癌B超影像数据集训练和评估模型性能。结果表明,相比其他网络,SSD各方面性能更好,能够自动、快速定位肝癌目标,准确率为94.8%,平均交并比为78.4%。
-
单位自动化学院; 佛山科学技术学院