基于改进YOLOv7的肝囊型包虫病超声图像小病灶检测

目的：提出一种基于YOLOv7用于检测肝囊型包虫病超声图像小病灶的方法。方法：首先用轻量级特征提取主干网络GhostNet替换原特征提取主干，降低模型总参数量；其次为改善YOLOv7网络的评价指标CIoU在作为损失函数时，检测精度较低的问题，用更优的ECIoU替换CIoU，进一步提高模型检测精度。结果：在自建的肝囊型包虫病超声图像小病灶数据集上进行训练，结果显示改进后的模型大小为59.4 G,mAP@0.5检测精度为88.1%，相比原始的模型性能得到提升，并超过其余主流检测方法。结论：本文模型能更高效地检测并分类肝囊型包虫病超声图像中的病灶位置和类别。