论文部分内容阅读
甲状腺结节是临床常见疾病,由其发展而成的甲状腺癌发病率逐年上升.甲状腺超声图像结构复杂、边缘不清晰、斑点噪声严重、对比度低,给甲状腺疾病的诊断带来极大困难.使用Mask R-CNN算法,结合迁移学习方式,在ImageNet数据集上预训练网络ResNet50、SENet及SE-ResNet50,得到预训练权重参数,以此作为实验模型的初始化参数.采用优化损失函数的方法,以融合残差注意力机制的SE-ResNet50为主干网络进行特征提取,实现了精确率为0.936、召回率为0.851、特异性为0.948、mAP值为0.824的检测结果.该算法对于甲状腺疾病的超声辅助诊断具有一定参考价值.