摘要
甲状腺结节是临床常见疾病，由其发展而成的甲状腺癌发病率逐年上升。甲状腺超声图像结构复杂、边缘不清晰、斑点噪声严重、对比度低，给甲状腺疾病的诊断带来极大困难。使用Mask R-CNN算法，结合迁移学习方式，在ImageNet数据集上预训练网络ResNet50、SENet及SE-ResNet50，得到预训练权重参数，以此作为实验模型的初始化参数。采用优化损失函数的方法，以融合残差注意力机制的SE-ResNet50为主干网络进行特征提取，实现了精确率为0.936、召回率为0.851、特异性为0.948、mAP值为0.824的检测结果。该算法对于甲状腺疾病的超声辅助诊断具有一定参考价值。
0 引言
近年来，甲状腺癌的发病率逐年上升。2019年，美国有52 070名成年人确诊甲状腺癌，甲状腺癌是20-34岁美国女性最常见的癌症之一[