基于YOLOv5l的囊型肝包蟲(chóng)病病灶檢測(cè)研究
所屬分類：技術(shù)論文
上傳者：aetmagazine
文檔大?。?span>813 K
標(biāo)簽： YOLOV5 囊型肝包蟲(chóng)病 目標(biāo)檢測(cè)
所需積分：0分積分不夠怎么辦,？
文檔介紹：針對(duì)臨床醫(yī)生在診斷肝包蟲(chóng)病時(shí)需要通過(guò)個(gè)人經(jīng)驗(yàn)判斷囊型肝包蟲(chóng)病分型，研究基于目標(biāo)檢測(cè)算法的肝包蟲(chóng)病灶自動(dòng)檢測(cè)與分類模型，實(shí)現(xiàn)對(duì)肝包蟲(chóng)病超聲影像的自動(dòng)識(shí)別與分類,。使用YOLOv5l模型作為囊型肝包蟲(chóng)病病灶目標(biāo)檢測(cè)的模型，利用本地肝包蟲(chóng)病超聲影像數(shù)據(jù)集對(duì)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練,?；赮OLOv5l模型與隨機(jī)梯度下降算法(SGD)優(yōu)化算法的肝包蟲(chóng)病病灶自動(dòng)檢測(cè)分類模型可以很好地對(duì)5種類型的病灶進(jìn)行有效的檢測(cè)，平均精度均值(mAP)為88.1%,，經(jīng)過(guò)測(cè)試,，該模型的測(cè)試速度可達(dá)40 f/s。實(shí)驗(yàn)結(jié)果表明,，基于YOLOv5l與SGD算法的肝包蟲(chóng)病病灶自動(dòng)檢測(cè)分類模型能夠較好地識(shí)別病灶的具體位置,，可以很好地輔助醫(yī)生診斷肝包蟲(chóng)病。
現(xiàn)在下載
VIP會(huì)員,，AET專家下載不扣分,；重復(fù)下載不扣分，本人上傳資源不扣分,。