基于YOLO的乳腺超聲偽像的檢測

摘 要：偽像會嚴重影響乳腺超聲儀采集數據的整體質量和醫生對病灶的診斷。本文旨在對帶有空載區域、耦合不良和多重反射偽像的乳腺超聲圖像進行自動識別。標注了4168張帶有空載區域、耦合不良和多重反射偽像的乳腺超聲圖像，并使用YOLOv8模型進行訓練。結果表明，模型整體平均精度（mAP50）系數為0.964，其中空載區域、耦合不良和多重反射的平均精度（mAP50）系數分別為0.995、0.922和0.974。經測試，模型能夠對空載區域、耦合不良和多重反射進行精準識別和分類，并提高乳腺超聲檢測的準確性和可靠性。

關鍵詞：乳腺；超聲偽像；YOLO；卷積神經網絡

中圖分類號：R 445 " " 文獻標志碼：A

乳腺超聲儀是現代乳腺疾病診斷的重要工具，具有無創、無輻射和實時動態觀察等顯著優勢。乳腺超聲儀能夠發送聲波并接收其在組織中的反射回聲，清晰地展現乳腺組織的內部結構，為醫生診斷提供詳盡的乳腺影像。該技術有助于發現乳腺腫塊、囊腫等早期病變，為乳腺疾病的良、惡性鑒別提供重要依據。但是乳腺超聲儀在檢測過程中易受醫生操作不規范和偽像的影響，出現采集數據質量不達標的問題。與操作不規范相比，偽像帶來的影響更嚴重且不容易規避，不僅會影響采集數據的質量，還會影響后續醫生對病灶的診斷。進行必要的自動偽像檢測可以更好地幫助醫生把控采集數據的質量，利用自動化手段快速篩選出含有偽像的低質量數據，使醫生專注于分析真實、有效的信息，避免誤診或漏診，還可以提高檢測的準確性、可靠性和檢測效率，減少醫生的工作量。……