基于DYOLO的超声图像肾脏疾病自动检测OACSTPCD

目的以超声成像技术为基础,提出一种基于目标检测模型YOLO的肾脏疾病检测技术,以快速有效地对肾脏疾病进行检测,改善超声图像检测效果。方法本研究将卷积与YOLO融合于同一个训练框架并构建融合DYOLO模型。考虑传统卷积特异性的限制问题,采用空间变换模型改进模型,同时引入CSPDarknet53模块提取图像特征,从而实现对肾脏形状大小的自动调整与识别。结果在病理图像采样的效果对比中,卷积模型、YOLOv3模型、YOLOv4模型以及改进DYOLO模型图像的采样准确度分别为68.65%、82.65%、90.65%与95.65%。在复杂肾脏数据测试中,改进DYOLO模型在迭代600次后趋于收敛,最佳平均精度均值为95.23%,表现效果最佳。结论改进DYOLO模型具有出色的病理特征检测能力,对肾脏疾病的检测具有重要参考意义。