基于改进YOLOV4的肺结节检测方法

摘要：

近年来,深度学习技术在肺结节检测领域有着重要的进展.然而,很多方法通常需要有大量的医疗数据训练,但在实际场景中,如医院,数据有限并且硬件有限,所以经常是需要牺牲算法的准确性,以确保在实际场景中的应用.因此,综合考虑有效性和效率是非常有意义的.本文突出了一个相对平衡有效性和效率的算法,并且可直接应用.此方法分为两个阶段完成,首先,主要尝试通过结合各种现有方法,提高网络的准确性:DO Conv、CBAM和focal loss;其次,对冗余通道修剪以获得更高效率.通过多种改进,在LIDC-IDRI数据集上的实验结果表明,AP为90.5,FPS为25(25帧/s).与多个最先进的检测方法比较,此方法具有更好的检测性能,并且本文提出的方法可以在医院更好地部署.

关键词：CT图像、肺结节检测、Yolo算法、目标识别

所属期刊栏目：19

分类号：R563;TP391.4(呼吸系及胸部疾病)

资助基金：云南计算机技术应用重点实验室开放基金项目2020106

在线出版日期：2022-09-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：11-13