基于Cascade R-CNN的乳腺钼靶肿块检测算法研究
王立圣
李汉林
中国石油大学(华东)计算机学院 青岛 266580
摘要：乳腺癌生物学特性复杂,恶性程度极高,位于女性恶性肿瘤发病率首位.乳腺钼靶肿块的X射线检查是早期确诊乳腺癌的重要方式.但乳腺钼靶肿块的检测尚处于早期阶段,现有的计算机辅助检测检测精度较低.针对这一问题,论文提出了一种基于Cascade R-CNN的乳腺钼靶肿块检测方法.实验使用南佛罗里达大学的乳房X光检查数据集,将乳腺钼靶肿块分为良性和恶性两类.通过在特征网络中加入注意力模块,提取了较为丰富的乳腺钼靶肿块特征.此外,论文提出了一种新的FPN网络FA-FPN,进一步提高了乳腺钼靶肿块病灶特征的提取,解决了深层网络在下采样中特征出现稀释的问题,提高了乳腺钼靶肿块的检测准确率.经实验验证,该模型在南佛罗里达大学的乳房X光检查数据集上的mAP值达到82.9%,在AP75下表现尤为突出.该方法在乳腺钼靶肿块的检测中具有良好的性能,可以提高乳腺钼靶肿块的检测精度,并在一定程度上避免了误检和漏检.
关键词：乳腺钼靶肿块检测Cascade R-CNN特征提取FPN
分类号：TP391(计算技术、计算机技术)
论文发表日期：2024-04-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 966-972 )
英文信息