Swin Transformer超声图像甲状腺结节检测模型

一种结合Swin Transformer与Faster R-CNN的甲状腺结节检测方法，通过多尺度特征融合提升检测性能。

Tian, Ye · 朱精强 · 张磊 · Ma, Buyun · 赵婉君

Journal of Visualized Experiments 2023

参数信息

mAP

44.8 %

灵敏度

90.5 %

患者数量

2680

技术优势

检测更准

结合Swin Transformer与FPN，在多个尺度上融合特征，显著提升mAP至44.8%。

灵敏度更高

利用自注意力机制捕获全局上下文，提高对结节的识别能力，灵敏度达到90.5%。

应用场景

• 医疗影像分析：利用长程上下文提升超声图像中甲状腺结节的检测精度。
• 计算机辅助诊断：提供高灵敏度（90.5%）的结节检测，辅助医生做出更可靠的诊断。
• 超声成像设备：可集成到超声设备中，实时分析图像并标注可疑结节。