基于GE-YOLO的消化内镜下异常区域实时目标检测方法

摘要：

消化内镜是临床常用的消化道检查手段,在消化道疾病的早期诊断和治疗中具有重要作用.但常规内镜检查需要由专业医生操作并实时观察视频以确定病灶点,极度依赖医生经验,主观性强且容易造成漏检和误检.本研究提出了一种基于改进YOLOv7-tiny的消化内镜下异常区域实时检测方法:GE-YOLO.该方法以YOLOv7-tiny为基础框架,使用两种不同的特征提取模块(C3模块和P-ELAN模块)构建骨干特征提取网络,提高网络的特征提取能力;使用坐标卷积(CoordConv)取代上采样中的普通卷积,进一步提高模型对病灶的定位精度;使用部分卷积(PConv)取代特征提取模块中的3×3普通卷积,在保证模型性能的同时减少了模型的计算量和参数量,提升了模型的检测速度;最后使用基于IoU与归一化Wasserstein距离的联合损失函数,提升模型对微小病灶的敏感度.该模型利用Kvasir-Capsule数据集中含标记的图像(共4 172张)进行了训练和测试,其平均精确率、召回率和F1得分分别达到了 94.2％、97.2％和0.957,检测速度为60帧/s,与YOLOv7-tiny相比,精确率、召回率和F1得分分别提升了 2.8％、12.0％和0.075.实验结果表明,本研究提出的方法能实现高精度的消化道病灶实时检测,有望部署于临床内镜检查设备,在检查过程中为医生提供实时辅助,从而大大提高内镜检查效率,具有重要的学术价值和临床意义.

关键词：GE-YOLO、实时目标检测、异常区域、消化内镜、YOLOv7-tiny

所属期刊栏目：43

分类号：R318(医用一般科学)

资助基金：国家自然科学基金;国家自然科学基金;温州市基础性公益科研项目;浙江省科技计划项目

在线出版日期：2024-09-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：385-398