基于改进级联R-CNN的乳腺X线图像肿块检测

摘要

深度学习技术逐渐成为自动检测乳腺X线图像肿块的主流技术,然而由于肿块的大小、形状、边界、纹理存在多样性,并且肿块的信噪比比周围组织低,目前的算法仍然存在检测遗漏目标的问题.为了有效地提高检测精度,提出了一种基于空间约束和多特征融合的多级目标检测架构,命名为SC-FU-CS RCNN.首先,该框架由多个递增的重叠度(IoU)阈值训练的检测器构成,更深层的检测器可以更好地减少误报;其次,在框架中融合了卷积神经网络(CNN)的浅层与深层特征,使检测器更好地检测图像中的模糊、较小的目标;最后,添加空间约束层纳入目标周围的拓扑区域特征.实验表明,该框架在乳腺X线检查数字数据库(DDSM)平均准确率达到94.06%,优于其他相关算法.