-
题名基于YOLOv8改进的脑癌检测算法
- 1
-
-
作者
王喆
赵慧俊
谭超
李骏
申冲
-
机构
中北大学机械工程学院
中北大学仪器与电子学院
山西省省部共建动态测试技术国家重点实验室
-
出处
《计算机科学》
CSCD
北大核心
2024年第S02期444-450,共7页
-
基金
光电信息控制和安全技术重点实验室基金(2021JCJQLB055010)。
-
文摘
自动检测脑部肿瘤在磁共振成像中的位置是一个复杂、繁重的任务,需要耗费大量时间和资源。传统识别方案经常出现误解、遗漏和误导的情况,从而影响患者的治疗进度,对患者的生命安全产生影响。为了进一步提高鉴定的效果,引入了4项关键改进措施。首先,采用了高效的多尺度注意力EMA(Efficient Multi-scale Attention),这种方法既可以对全局信息进行编码,也可以对信息进行重新校准,同时通过并行的分支输出特征进行跨维度的交互,使信息进一步聚合。其次,引入了BiFPN(Bidirectional Feature Pyramid Network)模块,并对其结构进行改进,以便缩短每一次检测所需要的时间,同时提升图像识别效果。然后采用MDPIoU损失函数和Mish激活函数进行改进,进一步提高检测的准确度。最后进行仿真实验,实验结果表明,改进的YOLOv8算法在脑癌检测中的精确率、召回率、平均精度均值均有提升,其中Precision提高了4.48%,Recall提高了2.64%,mAP@0.5提高了2.6%,mAP@0.5:0.9提高了7.0%。
-
关键词
YOLOv8
脑癌
Efficient
Multi-Scale
Attention模块
bidirectional
Feature
pyramid
Network结构
Missed
Softplus
with
Identity
Shortcut激活函数
Minimum
Point
Distance
Intersection
over
Union损失函数
-
Keywords
YOLOv8
Brain Tumor
Efficient Multi-scale attention model
bidirectional Feature pyramid Network
Missed Softplus with Identify Shortcut activation function
Minimum Point Distance Intersection over Union loss function
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-