计算机工程与应用 ›› 2019, Vol. 55 ›› Issue (13): 254-259.DOI: 10.3778/j.issn.1002-8331.1804-0131
刘鑫童1,马小萍2,刘立波1
LIU Xintong1, MA Xiaoping2, LIU Libo1
摘要: 利用超声图像对甲状腺结节进行检测在医学诊断中具有至关重要的作用。针对传统机器学习方法处理过程中存在噪声复杂、特征提取困难等问题,提出一种基于中值滤波和深度学习残差网络的甲状腺超声图像结节检测方法。采用统计阈值中值滤波方法,提高结节边缘特征,实现超声图像自动增强;构建CNN6-Residual模型提取和筛选结节特征,使用跨层连接和残差学习降低网络训练难度。实验结果表明,该方法检测准确率达到97.03%,具有较高的临床应用价值。