一种乳腺X线影像肿块征象检测算法

作者：李珊珊; 张曦; 刘文; 杨嘉鹏; 海玲

来源：小型微型计算机系统, 2023, 44(11): 2546-2551.

DOI：10.20009/j.cnki.21-1106/TP.2022-0271

• X线影像
• 目标检测
• YOLOv5
• 乳腺肿瘤
• 注意力机制

针对乳腺X线影像数据样本少、肿块类别间差异不明显、乳腺肿块背景复杂与组织对比度低，导致检测的精度低等问题，文章提出了一种乳腺X线影像肿块征象检测算法.首先在主干网络中的卷积层中添加高效注意力机制，提升算法对特征的提取能力；其次，在特征提取网络中引入非对称卷积结构，利用3种不同尺度的卷积核进行特征检测，增强模型对旋转和翻转目标的特征提取能力，最后使用One Cycle学习率调整策略在模型训练时跳出局部最优解.在DDSM(CBIS-DDSM)公开数据集测试，本文提出的YOLOv5-EA模型有效提高了乳腺X线影像目标检测精度，在识别X线影像的良、恶性肿块及钙化灶的准确率分别达到了93.0%,88.4%和88.1%.

• 单位
  新疆医科大学附属肿瘤医院; 新疆师范大学; 新疆工程学院