Lite-YOLOv8:一种用于检测结核病细菌的更轻量级算法
Yonghong Li1,2, Haiyang Qiu3, Sidong Xian2
1School of Computer Science and Technology, Chongqing University of Posts and Telecommunications, Chongqing, 400065, P.R. China.
Medical & biological engineering & computing
|September 12, 2024
概括
这项研究介绍了Lite-YOLOv8,这是一个优化的深度学习模型,用于检测唾液样本中的结核菌. 新的算法提高了准确性,并大大减少了模型大小,有助于在医疗设备上部署.
科学领域:
- 医学成像医学成像
- 计算机视觉 计算机视觉 计算机视觉
- 深度学习在医疗保健中的应用.
背景情况:
- 在唾液中手动检测结核杆菌是耗时的,容易出现错误.
- 复杂的背景和小而众多的细菌对自动检测构成了挑战.
研究的目的:
- 开发一种轻量级,准确的深度学习模型来检测结核病细菌.
- 优化YOLOv8s模型,以提高医学诊断的性能.
主要方法:
- 建议使用Lite-C2f模块和轻量化下方采样模块的Lite-YOLOv8算法.
- 实现了NWD损失以解决小物体的位置偏差.
- 在公开的结核菌细菌数据集上评估性能.
主要成果:
- 实现了86.3%的平均精度 (mAP),表现优于YOLOv8s.
- 提高了mAP0.5的2.2%,精度提高了1.5%,召回提高了2.8%.
- 模型参数从11.2M减少到5.1M,GFLOP从28.8减少到13.8.
结论:
- Lite-YOLOv8为结核病细菌检测提供了更准确,更轻的解决方案.
- 该模型的效率有助于在资源有限的医疗设备上部署.
- 提高了医疗专业人员在诊断结核病时的便利性和准确性.


