| 基于YOLOv5l的囊型肝包蟲病病灶檢測研究 | |
| 所屬分類：技術論文 | |
| 上傳者：aetmagazine | |
| 文檔大?。?span>813 K | |
| 標簽： YOLOV5 囊型肝包蟲病 目標檢測 | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：針對臨床醫生在診斷肝包蟲病時需要通過個人經驗判斷囊型肝包蟲病分型，研究基于目標檢測算法的肝包蟲病灶自動檢測與分類模型，實現對肝包蟲病超聲影像的自動識別與分類。使用YOLOv5l模型作為囊型肝包蟲病病灶目標檢測的模型，利用本地肝包蟲病超聲影像數據集對網絡模型進行訓練。基于YOLOv5l模型與隨機梯度下降算法(SGD)優化算法的肝包蟲病病灶自動檢測分類模型可以很好地對5種類型的病灶進行有效的檢測，平均精度均值(mAP)為88.1%，經過測試，該模型的測試速度可達40 f/s。實驗結果表明，基于YOLOv5l與SGD算法的肝包蟲病病灶自動檢測分類模型能夠較好地識別病灶的具體位置，可以很好地輔助醫生診斷肝包蟲病。 | |
| 現在下載 | |
| VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。 | |
Copyright ? 2005-2024 華北計算機系統工程研究所版權所有 京ICP備10017138號-2