基于改进YOLOv7模型的肺结节检测

作     者：尹冬生 杜玲艳 徐小入 Yin Dongsheng;Du Lingyan;Xu Xiaoru

作者机构：四川轻化工大学自动化与信息工程学院自贡643000 四川轻化工大学人工智能四川省重点实验室自贡643000 

出 版 物：《国际生物医学工程杂志》 (International Journal of Biomedical Engineering)

年 卷 期：2023年第46卷第6期

页      码：521-528页

摘      要：目的设计一种基于改进YOLOv7模型的肺结节检测算法。方法首先,在PAFPN结构中,引入轻量化上采样算子CARAFE,以提高肺结节检测精度。然后添加一个增强型小尺度检测层,增强对于小目标肺结节的检测性能,同时可减少训练的参数量,并降低模型复杂程度。在保证各项参数指标不变的情况下,对YOLOv5原模型算法和添加增强型小尺度检测层的YOLOv5模型算法、YOLOv7原模型算法和改进后YOLOv7模型算法进行消融实验;对改进点训练集总损失进行比较;用YOLOv7原模型算法和改进后YOLOv7模型算法对2张测试集图片进行推理,将其与近年来其他经典的肺结节检测算法Mask R-CNN、YOLOv3、YOLOv5s和YOLOv7对2张测试集图片进行比较。结果添加增强型小尺度检测层的YOLOv5模型算法精度比YOLOv5原模型算法提升了1.3%,召回率提高了3.5%,平均精度(mAP)上升了3.1%,参数量减少了25.3%,网络的复杂程度也有所减少。改进后YOLOv7模型算法mAP提高1.8%,参数量减少28.3%,模型复杂程度下降5 G。添加增强型小尺度检测层与替换特诊融合网络为轻量化上采样算子CARAFE算法在训练过程中的总损失最小。YOLOv7原模型算法精度较高,但是仍然出现了漏检与假阳性的情况,与预测图片1比较,YOLOv7原模型出现了漏检的情况;与预测图片2比较,YOLOv7原模型出现了假阳性的情况。而改进后YOLOv7模型对漏检情况和假阳性均得到了很好的改善;与经典模型算法比较,改进后YOLOv7模型算法的精度、召回率和mAP最高,分别为91.7%、89.1%、93.5%。结论改进YOLOv7模型具有更强的特征表达能力,参数量更少,能够有效提高肺结节的检测精度。

主 题 词：肺结节 YOLOv7模型 CARAFE算子 增强型小尺度检测层 多头自注意力机制 

学科分类：08[工学] 0812[工学-测绘类] 

D　O　I：10.3760/cma.j.cn121382-20231009-00607

馆 藏 号：203125461...