基于改进卷积神经网络的肺部肿瘤检测

作者：王煜君; 江宇楠; 刘琳岚; 张鹏飞; 罗坤龙

来源：长江信息通信, 2024, 37(01): 32-35.

DOI：10.20153/j.issn.2096-9759.2024.01.010

• 肺部肿瘤
• 目标检测算法
• YOLOv5
• 检测层
• 注意力机制

肺部肿瘤目前是致死率最高的疾病之一。其初期的形状一般非常微小，且和正常的组织类似，哪怕是经验丰富的医生也无法确保能够精准地确定肿瘤所在位置，因此使用计算机辅助检测是一个不错的选择。在研究深度学习目标检测算法YOLOv5的基础上，针对上述难点，从以下三个方面改进YOLOv5算法来进行肺部肿瘤检测。首先，根据数据集中所有肿瘤大小重新设计了初始检测框的大小；然后，利用主干特征提取网络中的特征图，并新添加了一个检测层，该检测层的特征图只经过了两次下采样，能更好地保留肿瘤的细节信息；最后，选择CBAM注意力机制加入FPN结构，进一步提高模型的检测效果。通过在LUNA16数据集上进行实验，发现改进算法的精确率、召回率和mAP分别达到了96.81%、94.94%和96.6%,比改进前分别提高了15.18%、18.02%和13.46%,且与近三年同类算法相比，也具有较好的检测性能。所以此改进算法能有效地对肺部肿瘤进行检测。

• 单位
  南昌航空大学