학술논문
改进的YOLOv4算法在肺结核检测中的应用研究 / Application of improved YOLOv4 algorithm in the detection of pulmonary tuberculosis
Document Type
Academic Journal
Author
Source
中国医学物理学杂志 / Chinese Journal of Medical Physics. 40(1):113-119
Subject
Language
Chinese
ISSN
1005-202X
Abstract
针对CT影像中肺结核病灶复杂且尺度变化大造成检测精度低的问题,提出了一种改进特征融合方法的YOLOv4网络用于肺结核的检测.首先,采用尺度均衡的金字塔卷积来捕获不同尺度特征层之间的相互作用,并在此基础上以自适应空间特征融合的方式过滤掉不同尺度上的冲突信息,以进行特征的有效融合.其次,在低层特征上引入了坐标注意力以进一步提高小目标的检测精度.根据北京胸科医院提供的300例病患信息,搭建了一套规范的肺结核CT数据集,并在所构建的数据集上进行了实验.输入图片分辨率设定为512×512,与原始YOLOv4相比本文模型mAP提升了4.96％,且该指标优于现有主流肺结核检测算法,如Faster R_CNN、SSD、RetinaNet等.结果表明改进的YOLOv4算法能够有效解决检测目标尺度变化和小目标检测问题,提高检测精度.