YOLOv5-GC：一种用于自动检测肺结节的改进YOLOv5框架

作者：尹冬生; 杜玲艳^*; 徐小入

来源：现代计算机(专业版), 2023, 29(17): 1-9.

• 肺结节
• YOLOv5
• LUNA16

肺癌已发展成为人类死亡率最高的癌症之一，肺结节是肺癌最重要的早期表现。随着肺部结节低剂量CT筛查的广泛开展，放射科医师的X线诊断工作量不断增加。基于深度学习的肺结节自动检测有效解决了主观性和疲劳性导致的误诊风险。为了进一步提高卷积神经网络模型对肺结节的检测效果，设计了一种改进的YOLOv5算法。首先，在所提出的方法中使用引入随机正则化思想的GELU激活函数。然后，在特征提取网络中加入CA注意机制，提高特征表达能力。其次，Ghost模块的引入减少了14.9%的参数数量，提升了19.7%的速度。最后，设计了小物检测层，提高了直径小于10 mm的微小肺结节的检测精度。实验在公开的LUNA16上进行。结果表明，与原始YOLOv5网络相比，所提方法的Precision从83.2%提高到87.5%,Recall从77.0%提高到86.8%,AP从81.0%提高到88.1%，改进后的YOLOv5网络具有更强的特征表达能力，速度快，能够有效提高肺小结节自动检测的灵敏度。

• 单位
  四川轻化工大学