换一批基于改进YOLOv8算法的CT图像肺结节检测研究
Improved YOLOv8 algorithm-based detection of pulmonary nodules in CT images
摘要目的:为了提高CT图像中肺结节病灶的检测性能,提出基于极化自注意力机制(polarized self-attention,PSA)和可变形注意力机制(deformable attention,DAT)的改进YOLOv8算法.方法:选取由主干网络(Backbone)、颈部模块(Neck)和头部模块(Head)组成的YOLOv8算法作为基础框架,在Backbone中的快速空间金字塔池化模块(spatial pyramid pooling-fast,SPPF)末端引入PSA,构建YOLOv8-PSA算法;在Head的中等尺度特征层P4引入DAT,构建YOLOv8-DAT算法.使用公开平台的肺结节CT图像数据集对YOLOv8-PSA算法和YOLOv8-DAT算法进行训练和验证,并与原始YOLOv8算法对CT图像中肺结节病灶的检测性能进行比较.结果:在CT图像肺结节检测任务中,YOLOv8-DAT算法在交并比阈值为0.5时的平均精度均值mAP50与交并比阈值为0.5～0.95时的平均精度均值mAP50-95以及精准率分别为0.918、0.588及0.960,优于YOLOv8-PSA算法(mAP50、mAP50-95及精准率分别为0.914、0.583及0.945)与原始YOLOv8算法(mAP50、mAP50-95及精准率分别为0.911、0.564及0.952).结论:YOLOv8-DAT算法能够高效检测CT图像中的肺结节病灶,有利于临床肺结节的早期筛查和诊断.
更多相关知识
关键词
YOLOv8算法CT图像注意力机制肺结节检测肺结节YOLOv8 algorithmCT imageattention mechanismdetection of pulmonary nodulepulmonary module
栏目名称
DOI
10.19745/j.1003-8868.2025136
发布时间
2025-08-25（万方平台首次上网日期，不代表论文的发表时间）
基金项目
福建省科技计划项目（2021I0037）
- 浏览10
- 被引0
- 下载3
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
