-
题名结合注意力和多路径融合的实时肺结节检测算法
- 1
-
-
作者
赵奎
仇慧琪
李旭
徐知非
-
机构
中国科学院沈阳计算技术研究所
中国科学院大学
未来人工智能科创发展研究院(北京)
香港中文大学(深圳)理工学院
-
出处
《计算机应用》
CSCD
北大核心
2024年第3期945-952,共8页
-
文摘
现有单阶段目标检测算法在肺结节检测中结节检出不敏感,卷积神经网络(CNN)在特征提取时多次上采样导致微小结节特征提取困难、检测效果差,并且现存肺结节检测算法模型复杂,不利于实际应用部署落地。针对上述问题,提出一种结合注意力机制和多路径融合的实时肺结节检测算法,并在此基础上改进上采样算法,提升肺部结节的检测精度和模型推理速度,且模型的权重小容易部署。首先,在特征提取的主干网络部分融合通道和空间的混合注意力机制;其次,改进采样算法,提高生成特征图的质量;最后在加强特征提取网络部分,在不同路径之间建立通道,实现深层和浅层特征的融合,将不同尺度的语义和位置信息融合。在LUNA16数据集的实验结果表明,相较于原始YOLOv5s算法,所提算法的精确率、敏感度和平均精度分别提升9.5、6.9和8.7个百分点,帧率达到131.6 frame/s,模型权重文件仅有14.2 MB,表明了所提算法可以实时检测肺结节,并且精度远高于YOLOv3和YOLOv8等现有单阶段检测算法。
-
关键词
深度学习
肺结节检测
注意力机制
上采样算法
双向特征金字塔
-
Keywords
deep learning
pulmonary nodule detection
attention mechanism
up-sampling algorithm
bi-directional feature pyramid
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-