基于改进卷积神经网络的肺部肿瘤检测

作     者：王煜君 江宇楠 刘琳岚 张鹏飞 罗坤龙 WANG Yujun;JIANG Yunan;LIU Linlan;ZHANG Pengfei;LUO Kunlong

作者机构：南昌航空大学信息工程学院江西南昌330063 

出 版 物：《长江信息通信》 (Changjiang Information & Communications)

年 卷 期：2024年第37卷第1期

页      码：32-35页

摘      要：肺部肿瘤目前是致死率最高的疾病之一。其初期的形状一般非常微小,且和正常的组织类似,哪怕是经验丰富的医生也无法确保能够精准地确定肿瘤所在位置,因此使用计算机辅助检测是一个不错的选择。在研究深度学习目标检测算法YOLOv5的基础上,针对上述难点,从以下三个方面改进YOLOv5算法来进行肺部肿瘤检测。首先,根据数据集中所有肿瘤大小重新设计了初始检测框的大小;然后,利用主干特征提取网络中的特征图,并新添加了一个检测层,该检测层的特征图只经过了两次下采样,能更好地保留肿瘤的细节信息;最后,选择CBAM注意力机制加入FPN结构,进一步提高模型的检测效果。通过在LUNA16数据集上进行实验,发现改进算法的精确率、召回率和mAP分别达到了96.81%、94.94%和96.6%,比改进前分别提高了15.18%、18.02%和13.46%,且与近三年同类算法相比,也具有较好的检测性能。所以此改进算法能有效地对肺部肿瘤进行检测。

主 题 词：肺部肿瘤 目标检测算法 YOLOv5 检测层 注意力机制 

学科分类：08[工学] 081201[081201] 0812[工学-测绘类] 

D　O　I：10.20153/j.issn.2096-9759.2024.01.010

馆 藏 号：203126106...