基于改进YOLOv4模型的乳腺钼靶图像肿块检测

作     者：白钰杰 裴以建 朱秀军 BAI Yu-jie;PEI Yi-jian;ZHU Xiu-jun

作者机构：云南大学信息学院云南昆明650504 

出 版 物：《计算机工程与科学》 (Computer Engineering & Science)

年 卷 期：2023年第45卷第4期

页      面：654-664页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：云南大学服务云南行动计划(KS161012) 

主　　题：肿块检测 乳腺钼靶图像 JAnet 深度可分离卷积 YOLOv4 

摘      要：针对目前主流目标检测算法在乳腺钼靶图像的良恶性肿块目标检测中存在应用较少、检测准确率低和检测速度慢等问题,提出一种基于改进YOLOv4的乳腺钼靶图像肿块检测模型。该方法可以在一个框架中同时高效进行肿块的检测和分类。首先,引入了分流聚合双通道(JAnet)残差结构对模型的骨干网络进行改进;其次,引入深度可分离卷积来替换原YOLOv4模型中的标准卷积;最后,在后处理阶段提出了较大值求平均方法。以DDSM数据集作为训练集训练检测模型,并以INbreast数据集作为独立测试集。实验结果表明,提出的基于改进YOLOv4的乳腺钼靶图像肿块检测模型的Recall值、mAP值、FPS和AUC值相比原YOLOv4算法的分别提高了7.3%,6.45%,5.9 fps和13.02%。模型整体效果优于目前主流的目标检测模型的,体现出了良好的鲁棒性和有效性,可以在医师对乳腺癌临床诊断过程中发挥计算机辅助诊断作用。