基于YOLOV3的肺结节检测方法研究

作     者：黄冕 刘顺有 杨林海 HUANG Mian;LIU Shunyou;YANG Linhai

作者机构：云南国土资源职业学院云南昆明650091 

出 版 物：《科技资讯》 (Science & Technology Information)

年 卷 期：2022年第20卷第14期

页      面：251-253页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：云南计算机技术应用重点实验室开放基金项目课题《面向CT图像肺结节的弱监督分类模型研究》(项目编号:2020106) 

主　　题：CT图像 肺结节检测 YOLO算法 目标识别 

摘      要：在传统的CT图像肺结节检测方法中,检测率和定位精度低并且处理速度慢耗费时间长,又因为在肺部图像中存在结构复杂、肺结节过小、肺结节病理特征各异,所以检测结果假阳性高、存在敏感度低。针对这些问题,该文提出多尺度特征金字塔密集网络,重点优化了肺部结节目标过小、位置复杂、特征各异以及容易误诊等问题。针对在肺结节检测中肺结节目标比较小容易带来位置误差,设计了相应的损失函数。通过减少位置误差带来的影响同时保证得到有效的损失函数传递,从而提高肺结节位置的定位精度。在LIDC-IDRI数据集上该文方法的查准率、查全率和准确率分别为99.57%、95.69%、98.6%,相较于传统的检测方法有明显提升。