학술논문
基于KCCS-YOLOv4的肺结节检测算法 / Pulmonary nodule detection algorithm based on KCCS-YOLOv4
Document Type
Academic Journal
Author
Source
长春工业大学学报 / Journal of Changchun University of Technology(Natural Science Edition). 44(5):424-433
Subject
Language
Chinese
ISSN
1674-1374
Abstract
针对单阶段目标检测算法在肺结节检测任务中存在易错检及漏检、检测精度偏低、计算复杂度高等问题,提出了一种以YOLOv4 为主干框架,并结合K-means++聚类算法、坐标注意力机制、卷积块注意力模块和 SIoU Loss 的 KCCS-YOLOv4 肺结节检测算法.采用K-means++聚类算法针对肺结节进行锚框优化,以降低漏检概率及计算复杂度.在YOLOv4 的特征融合模块中引入坐标注意力机制以辅助检测网络捕获结节的位置信息和空间信息,引入卷积块注意力模块以辅助检测网络捕获在上、下采样过程中丢失的特征信息.采用SIoU Loss优化损失函数,提高训练的收敛速度和肺结节的检测精度.在公开数据集LUNA16上进行测试和分析,实验结果与四种现有算法进行比较,所提 KCCS-YOLOv4 算法的F1-score为 93.7%,平均精度值为 95.9%,FLOPs值为 127.592 G,三项指标均优于其他算法,验证了所提改进策略的有效性.