一种改进的YOLO-v3算法及其在肺结节检测中的应用制造技术

本发明专利技术公开了一种改进的YOLO‑v3算法及其在肺结节检测中的应用，首先对YOLO‑v3算法的检测框损失函数进行优化，并根据平均交并比对锚框进行优化；接着对获取的数据集进行图像缩放，并将输入图像进行单元格划分和特征提取，完成对YOLO‑v3算法的改进；然后获取Luna16数据集，并对所述Luna16数据集中的图像进行预处理，所述预处理包括将CT图像灰度数值转换成HU值，然后生成掩膜，最后归一化，统一大小；接着将预处理后的所述图像分别进行90度、180度和270度的翻转，并按照PASCAL VOC的命名规则重命名，将所有数据转换成VOC格式的数据集，同时，然后将数据集中划分出的训练集输入改进后的YOLO‑v3算法进行特征提取，并生成结节预测框和预测置信概率，提高检测精度。

【技术实现步骤摘要】
一种改进的YOLO-v3算法及其在肺结节检测中的应用
本专利技术涉及医学图像处理
，尤其涉及一种改进的YOLO-v3算法及其在肺结节检测中的应用。
技术介绍
医学CT(ComputedTomography)是目前最常见和最有效的影像学检查之一，其通过X线准直系统，得到的横断面图像清晰，层厚准确，密度分辨率高，无层面外结构干扰数据。随着医学CT的广泛应用，肺部CT影像数据呈“爆炸式”增长，通常一个全肺CT包含100-500张肺部切面图像。再加上早期的肺部结节普遍有“体积小”、“边缘模糊”、“肉眼不容易分辨”的特点，因此从这些CT影像中识别出早期的肺部结节及其位置，极大增加了医师的工作量，并且对医师的专业水平和经验也提出了非常高的要求，而且判断结果也会因人而异，不同的医生判断结果可能会出现差异，因此需要一种对CT影像数据进行处理的方法，能有辅助医生快速准确识别肺部结节及其位置。
技术实现思路
本专利技术的目的在于提供一种改进的YOLO-v3算法及其在肺结节检测中的应用，提高检测精度。为实现上述目的，第一方面，本专利技术提供本文档来自技高网...

【技术保护点】
1.一种改进的YOLO-v3算法，其特征在于，包括以下步骤：/n对检测框损失函数进行优化，并根据平均交并比对锚框进行优化；/n对获取的数据集进行图像缩放，并将输入图像进行单元格划分和特征提取。/n

【技术特征摘要】
1.一种改进的YOLO-v3算法，其特征在于，包括以下步骤：
对检测框损失函数进行优化，并根据平均交并比对锚框进行优化；
对获取的数据集进行图像缩放，并将输入图像进行单元格划分和特征提取。


2.如权利要求1所述的改进的YOLO-v3算法，其特征在于，对获取的数据集进行图像缩放，并将输入图像进行单元格划分和特征提取，包括：
对获取的数据集中的图像进行尺寸缩放，并将所述图像尺寸统一后，将所述图像划分为多个单元格，并对每个所述单元格进行目标识别检测。


3.如权利要求2所述的改进的YOLO-v3算法，其特征在于，对获取的数据集进行图像缩放，并将输入图像进行单元格划分和特征提取，还包括：
对完成目标识别检测的所述单元格进行上采样，并与相邻残差块的输出特征进行结合，同时利用两层ResNet控制特征提取的输出。


4.一种改进的YOLO-v3算法在肺结节检测中的应用，所述改进的YOLO-v3算法应用于肺结节检测，其特征在于，包括以下步骤：
获取L...

【专利技术属性】
技术研发人员：黄新，郭晓敏，宋博源，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：广西;45