换一批基于改进YOLOv11算法的超声图像乳腺肿瘤检测研究
Research on breast tumor ultrasound image detection based on improved YOLOv11 algorithm
摘要目的:为了提升超声图像乳腺肿瘤的检测性能,提出基于降采样(adaptive downsampling,ADown)模块和动态卷积(dynamic convolution,DynamicConv)模块的改进YOLOv11算法.方法:以原始YOLOv11算法为基础进行改进,将YOLOv11算法的主干网络(Backbone)及颈部模块(Neck)中的卷积(Conv)模块替换成ADown模块,并在C3k2的瓶颈模块(Bottleneck)引入DynamicConv模块,构建YOLOv11-ADown-DynamicConv算法.使用Kaggle平台公开的乳腺超声图像(Breast Ultrasound Image,BUSI)数据集对YOLOv11-ADown-DynamicConv算法进行训练和验证,并与原始YOLOv11算法对超声图像乳腺肿瘤的检测性能进行比较.结果:在超声图像乳腺肿瘤的检测任务中,YOLOv11-ADown-DynamicConv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分别为0.763和0.522,浮点运算次数和每秒帧数分别为4.8G和135帧/s,均优于原始YOLOv11算法.结论:YOLOv11-ADown-DynamicConv算法在超声图像乳腺肿瘤的检测任务中表现出色,可以提升YOLOv11算法的检测性能,能够辅助医生更高效地筛查疾病、评估病情.
更多相关知识
关键词
YOLOv11算法ADownDynamicConv乳腺肿瘤乳腺超声图像目标检测YOLOv11 algorithmadaptive downsamplingdynamic convolutionbreast tumorbreast ultrasound imageob-ject detection
栏目名称
DOI
10.19745/j.1003-8868.2025211
发布时间
2025-12-25（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4
- 被引0
- 下载2
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
