|
|||||
|
|
| 基于改进YOLOv5s的肠镜息肉多分类实时检测方法 | |
| 作者姓名： | 薛林雁 李轩昂 齐晁仪 曹杰 张颖 艾尚璞 杨昆 |
| 作者单位： | 1.河北大学质量技术监督学院;2.计量仪器与系统国家地方联合工程研究中心;3.河北省新能源汽车动力系统轻量化技术创新中心 |
| 基金项目： | 河北省自然科学基金资助项目(F2023201069);保定市创新能力提升专项项目(2394G027);河北大学研究生创新项目(HBU2024BS021;HBU2024SS011);河北大学科研创新团队项目(IT2023B07);大学生创新创业训练计划创新训练项目(DC2024376;DC2024381) |
| 摘 要： | 为了在肠镜检查过程中对结直肠息肉进行快速鉴别检测,提出一种基于改进YOLOv5s的肠镜息肉多分类实时检测模型.该模型采用ConvNeXt作为主干网络,融入SimAM注意力机制提升检测性能,同时在颈部网络中使用基于GSConv的slim-neck模块减少网络参数.为了对模型进行训练和测试,构建了包含1 676张息肉图像并由专业医生标注的结直肠息肉数据集.提出的模型在测试集上的平均精度均值(mAP@0.5)为83.0%,相较于改进前提升8.4%,检测速度达到120帧/s.此外,模型在边缘侧部署检测速度超过25帧/s.结果表明,改进的YOLOv5s满足临床结肠镜检查对实时性与准确性的要求. |
| 关 键 词： | 息肉 腺瘤 检测 YOLOv5s 实时性 |
| 收稿时间： | 2024-03-16 |
| 点击此处可从《河北大学学报(自然科学版)》浏览原始摘要信息 | |
| 点击此处可从《河北大学学报(自然科学版)》下载全文 | |