论文部分内容阅读
乳腺癌医学影像检测方法具有重要的医疗应用价值。目前基于传统检测算法对专业知识要求高,且样本量少、设计特征费时。采用深度学习检测方法结合难样本挖掘机制可以有效解决以上问题。基于深度神经网络YOLACT网络结构,结合核磁共振乳腺图像数据库(Rider Breast MRI)训练深度卷积神经网络,在检测基础上再分割出病灶区域。训练过程中对设定阈值内的难样本进一步训练,以此降低误检率,并避免样本量不足对深度学习模型的影响。实验结果表明,在测试集中该算法的平均精度为82.92-85.75%,相比原方法提升近3