关键词:
目标检测
医学影像处理
YOLO
InceptionNeXt
解耦头
摘要:
目的:通过对轻量化实时目标检测模型YOLOv7-tiny进行优化改进,提出针对脑肿瘤检测任务的优化框架,从而提升对脑肿瘤影像的检测效率。方法:采用包含1 000例脑肿瘤MRI影像的基准数据集上进行实验,在主干网络中引入InceptionNeXt模块,扩大感受野,通过多尺度特征融合增强模型对不同尺寸和形态肿瘤的表征能力;其次,引入解耦头结构,采用独立分支优化策略降低复杂背景的干扰,以提升针对小尺寸以及边界模糊肿瘤的定位精度,加速模型收敛,提升检测性能。结果:改进模型较基线YOLOv7-tiny实现了较为显著的性能提升,其平均检测精度mAP@0.5由85.6%提升至88.2%,mAP@0.5:0.95由63.8%提升至65.4%,分别实现了2.6%、1.6%的精度增益。实验表明,改进后的模型能够更准确地识别脑肿瘤,具有比较精准的检测性能。结论:改进后的模型与原模型相比,精度具有比较大的提升,验证了该模型在脑肿瘤精准检测方面的可行性。