一种基于改进的YOLOv5s的结肠多体检测算法
Jianjun Li1,2, Jinhui Zhao3, Yifan Wang1
1College of Mechanical and Electrical Engineering, China Jiliang University, Hangzhou, 310018, China.
Scientific reports
|February 26, 2025
概括
早期检测结肠癌的息肉是至关重要的. 改进的人工智能算法,如具有注意力机制和特征融合的YOLOv5s,提高了结肠镜图像中的多检测精度,有助于早期诊断.
科学领域:
- 人工智能在医学中的应用
- 医学成像分析 医学成像分析
- 在瘤学瘤学.
背景情况:
- 结肠癌是导致死亡的主要原因,通过内镜早期检测是最有效的预防策略.
- 人工智能 (AI) 的进步有可能提高结肠镜图像中结肠杆菌检测的准确性和效率.
- 目前的目标检测算法需要进一步改进,以获得最佳的临床疗效来识别癌前多.
研究的目的:
- 加强YOLOv5s算法,以在内镜图像中更好地检测结肠.
- 研究将注意力机制 (SE) 和特征融合 (BiFPN) 整合到YOLOv5s架构中的有效性.
- 通过使用临床和公共数据集对现有算法进行改进模型的性能验证.
主要方法:
- 将YOLOv5s的C3模块修改为C3SE,通过整合Squeeze-and-Excitation (SE) 注意力机制.
- 实现加权双向特征金字塔网络 (BiFPN) 以增强高层特征的融合.
- 评估了改进的YOLOv5s模型 (YOLOv5s+BiFPN,YOLOv5s-1st-2nd-C3SE,YOLOv5s+SEBiFPN) 与新的结肠多数据集上的其他算法进行对比.
主要成果:
- 与基础YOLOv5算法相比,YOLOv5s+BiFPN和YOLOv5s-1st-2nd-C3SE模型显示了更好的检测能力.
- 在YOLOv5s+SEBiFPN模型中,与标准YOLOv5s算法相比,表现出了显著的性能提升.
- 关键绩效指标包括mAP (平均精度),准确度和回忆用于比较.
结论:
- 集成SE注意力和BiFPN特征融合显著提高了YOLOv5s对结肠的检测性能.
- 开发的YOLOv5s+SEBiFPN模型代表了计算机辅助诊断系统在结肠癌查中的有希望的进步.
- 这种改进的AI方法有可能为更有效的结肠癌早期诊断建立一个基准.
