结合深度学习与特征多尺度融合的微钙化簇检测
发布时间：2025-09-07
点击次数：
- DOI码：
- 10.16451/j.cnki.issn1003-6059.201811007
- 发表刊物：
- 模式识别与人工智能
- 关键字：
- 目标检测;;深度学习;;卷积神经网络;;多尺度特征融合(MFF);;微钙化簇
- 摘要：
- 为了准确识别X线图像中的微钙化簇以进行乳腺癌的辅助诊断与早期预防,结合细粒度级联增强网络(FCE-Net)与多尺度特征融合算法(MFF),提出微钙化簇目标检测方法.首先构建FCE-Net累加卷积模块层级权重,并增强多分支结构,得到细粒度卷积特征图.然后构建MFF候选检测网络,通过二倍上采样融合多尺度特征,得到目标置信度和区域坐标.最后在感兴趣区域池化层分类目标并调整边界框.在MIAS数据集上实验表明,结合FCE-Net与MFF可以提升微小目标的深层特征提取能力,同时增强目标分类与定位的准确度.
- 卷号：
- 31
- 期号：
- 11
- 页面范围：
- 1028-1039
- ISSN号：
- 1003-6059
- 是否译文：
- 否
- 发表时间：
- 2018-11-15