基于YOLOv5l的囊型肝包虫病病灶检测研究AET-电子技术应用-最丰富的电子设计资源平台

基于YOLOv5l的囊型肝包虫病病灶检测研究
所属分类：技术论文
上传者：aetmagazine
文档大小：813 K
标签：YOLOV5 囊型肝包虫病目标检测
所需积分：0分积分不够怎么办？
文档介绍：针对临床医生在诊断肝包虫病时需要通过个人经验判断囊型肝包虫病分型，研究基于目标检测算法的肝包虫病灶自动检测与分类模型，实现对肝包虫病超声影像的自动识别与分类。使用YOLOv5l模型作为囊型肝包虫病病灶目标检测的模型，利用本地肝包虫病超声影像数据集对网络模型进行训练。基于YOLOv5l模型与随机梯度下降算法(SGD)优化算法的肝包虫病病灶自动检测分类模型可以很好地对5种类型的病灶进行有效的检测，平均精度均值(mAP)为88.1%，经过测试，该模型的测试速度可达40 f/s。实验结果表明，基于YOLOv5l与SGD算法的肝包虫病病灶自动检测分类模型能够较好地识别病灶的具体位置，可以很好地辅助医生诊断肝包虫病。
现在下载
VIP会员，AET专家下载不扣分；重复下载不扣分，本人上传资源不扣分。

活动