对改进的YOLOv8s模型进行研究,用于检测结核菌菌菌
Hao Chen1, Wenye Gu2, Haifei Zhang1
1School of Information Engineering, Nantong Institute of Technology, Nantong, 226002, China.
Heliyon
|September 27, 2024
概括
这项研究引入了一种增强的YOLOv8s模型,用于在唾液图像中更好地检测Mycobacterium tuberculosis (M. tuberculosis). 这种精细的模型平均精度达到85.7%,有助于结核病的诊断.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 微生物学 微生物学
背景情况:
- 准确识别Mycobacterium结核病 (M.结核病) 对于结核病的诊断至关重要.
- 目前的物体检测方法面临着挑战,因为液涂抹图像中的M.结核病的形态和大小各异,这阻碍了精确的定位.
研究的目的:
- 开发一个改进的物体检测模型,用于精确的M.结核病在唾液涂抹图像的识别.
- 解决现有检测M.结核病的现有方法的局限性,其外观和大小各不相同.
主要方法:
- 提出了一种增强的YOLOv8s模型,其中包含一个用于小目标的额外检测头.
- 引入了一个多尺度特征融合模块,以处理M.结核病大小的变化.
- 对坐标注意 (CA) 模块进行了修改,包括一个卷积层和一个自我注意机制,以改善特征提取和定位.
主要成果:
- 改进的YOLOv8s模型在公共数据集上表现出强的性能.
- 该模型实现了M.结核病检测的平均精度为85.7%.
- 这些改进有效地提高了模型识别不同形态和大小的M.结核病的能力.
结论:
- 提议的增强型YOLOv8s模型显著提高了在唾液涂抹图像中检测M.结核病的准确性.
- 该模型在处理形态和尺寸变化的有效性使其成为结核病诊断的宝贵工具.
- 这项工作突出了先进的深度学习技术在医疗图像分析中的潜力,以识别传染病.


