CRH-YOLO用于精确有效地检测胃肠道多

科学领域:

• 医疗成像医学成像
• 计算机视觉 计算机视觉
• 胃肠病学 胃肠病学

背景情况:

• 胃肠片是消化系统疾病的关键指标,需要早期检测.
• 目前的多胞体检测方法面临着不确定性和规模的挑战,影响患者的健康.
• 及时的内镜干预可以降低恶性瘤的风险,但需要改进的检测工具.

研究的目的:

• 提出一种新的单阶段方法,用于增强胃肠道多体检测.
• 提高内镜图像中聚体识别的准确性和效率.
• 解决现有方法的局限性,涉及到多检测的规模和不确定性.

主要方法:

• 开发了一种名为CRH-YOLO的新型单阶段聚检测模型.
• 整合上下文关系特征增强模块 (CRFEM) 以改善目标感知.
• 实施剩余挤压和激发金字塔聚合融合 (RSPPF) 进行多尺度特征融合.
• 通过移除检测头并添加一个高维特征补偿结构来修改原始模型.

主要成果:

• 在Kvasir-seg数据集上,CRH-YOLO实现了88.8%的精度,86.0%的回忆率和90.7%的map@.
• 该模型的性能优于像YOLOv8n这样的主流检测模型,在map@.5.5.5上有2.4%的改进.
• 在检测小或微妙的息肉方面,CRH-YOLO表现出卓越的性能.

结论:

• CRH-YOLO提供了一种有效的解决方案,用于早期检测和预测胃肠多.
• 拟议的模型增强了上下文信息感知和多尺度特征融合,以改进检测.
• 优化的模型结构减少了参数,同时保持了高检测性能,特别是在具有挑战性的情况下.