-
题名基于改进YOLOv5的胶囊内窥镜病灶区域检测
- 1
-
-
作者
涂继辉
肖亚南
卜雪奎
张庆
李杰
-
机构
长江大学电子信息与电气工程学院
荆州市第一人民医院
长江大学第一临床医学院
-
出处
《科学技术与工程》
北大核心
2024年第7期2821-2828,共8页
-
基金
湖北省科技厅重点项目(2022BCE009)
荆州市科技计划(2020CB-34)。
-
文摘
针对目前胶囊内窥镜病灶检测模型存在检测疾病单一且效率低等问题,提出了一种基于YOLOv5的胶囊内窥镜病灶区域检测方法。该方法在原始YOLOv5基础上进行了如下改进:首先,在主干网络Backbone部分,添加一个CBAM(convolutional block attention module)模块,增强模型对重要特征的突出能力;其次,在头部网络Head部分,添加一个检测头,增强模型对小目标的检测能力;最后,将原始YOLOv5的泛化交并比(generalized intersection over union, GIoU)损失函数替换成完整交并比(complete intersection over union, CIoU)损失函数,使模型训练时更快地收敛。本文提出的方法在长江大学第一临床医学院提供的胶囊内窥镜影像数据上进行了实验,精确率达到了93.6%,召回率达到了94.3%,mAP@0.5达到了97.2%,而且检测速度达到了每帧0.027 2 s。实验结果表明提出的方法是有效的、灵活的、鲁棒的,能够满足临床医学诊断的实际需求。
-
关键词
胶囊内窥镜
病灶区域检测
YOLOv5
注意力机制
-
Keywords
capsule endoscope
lesion area detection
YOLOv5
attentional mechanism
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
