基于YOLO的乳腺超声伪像的检测  

作　　者：庄洋 何熠 

机构地区：[1]广东省人工智能与现代超声工程技术研究中心,广东汕头515000 [2]汕头市中心医院,广东汕头515000

出　　处：《中国新技术新产品》2024年第23期48-51,共4页New Technology & New Products of China

摘　　要：伪像会严重影响乳腺超声仪采集数据的整体质量和医生对病灶的诊断。本文旨在对带有空载区域、耦合不良和多重反射伪像的乳腺超声图像进行自动识别。标注了4168张带有空载区域、耦合不良和多重反射伪像的乳腺超声图像,并使用YOLOv8模型进行训练。结果表明,模型整体平均精度(mAP_(50))系数为0.964,其中空载区域、耦合不良和多重反射的平均精度(mAP_(50))系数分别为0.995、0.922和0.974。经测试,模型能够对空载区域、耦合不良和多重反射进行精准识别和分类,并提高乳腺超声检测的准确性和可靠性。

关 键 词：乳腺 超声伪像 YOLO 卷积神经网络 

分 类 号：R445[医药卫生—影像医学与核医学]