基于改进YOLOv7的肝囊型包虫病超声图像小病灶检测 |
| |
引用本文: | 米吾尔依提·海拉提,热娜古丽·艾合麦提尼亚孜,卡迪力亚·库尔班,严传波.基于改进YOLOv7的肝囊型包虫病超声图像小病灶检测[J].中国医学物理学杂志,2024(3):299-308. |
| |
作者姓名: | 米吾尔依提·海拉提 热娜古丽·艾合麦提尼亚孜 卡迪力亚·库尔班 严传波 |
| |
作者单位: | 1. 新疆医科大学公共卫生学院;2. 新疆医科大学医学工程技术学院 |
| |
基金项目: | 国家自然科学基金(81560294); |
| |
摘 要: | 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。
|
关 键 词: | 囊型包虫病 深度学习 目标检测 YOLOv7 ECIoU GhostNet |
|