计算机工程

作者：刘奇, 赵丽霞, 郑曙光, 赵希梅

单位：1. 青岛大学 计算机科学技术学院, 山东 青岛 266071;2. 青岛大学附属医院 腹部超声科, 山东 青岛 266003;3. 山东省数字医学与计算机辅助手术重点实验室, 山东 青岛 266071

关键词：慢性肾脏疾病,计算机辅助诊断,深度神经网络,超声图像,目标检测

基金：国家自然科学基金（61303079）。

为便于慢性肾脏疾病的计算机辅助诊断，提出一种基于DYOLO神经网络学习模型的自动超声图像肾脏检测方法。将YOLOv3和可变形卷积网络集成在一个端到端学习框架中，使得DYOLO可根据肾脏的大小和形状自适应调节接收域，以适应肾脏的各种纹理特征形变，实现临床超声图像中肾脏的自动检测。在自制KidneyDetec超声图像肾脏检测数据集上的实验结果表明，该方法在DYOLO网络模型的图像输入尺寸为416像素×416像素和608像素×608像素的情况下分别取得了89.6%和90.5%的平均精度均值，相比基于深度学习的目标检测方法具有更高的检测速度和检测精度，适用于慢性肾脏疾病的早期诊断。

来源：2021年第7期

《计算机工程》期刊编辑部

查看计算机工程杂志2021年第7期