改进YOLOv3算法在肺结节检测中的应用

针对当前肺结节检测模型精度低、对小结节和近血管结节不敏感的问题,提出了改进的YOLOv3肺结节检测算法。首先,采用Darknet-53 512×512作为主干网络提升对肺内小结节的敏感度;其次,引入Mish激活函数提高模型检测精度;第三,引入K-means++聚类算法,优化锚框,选取更适合肺结节数据集的锚框;第四,将检测框损失函数优化为GIoU,解决了当IoU为0时无法反映预测检测框与真实检测框重合度的情况,同时也避免了当Loss为0时,由于没有梯度回传而无法训练的情况。在LUNA16数据集上的实验结果表明,改进算法经过25 000次迭代后的m AP达到94.89%,比原始YOLOv3算法的m AP提高了4.94%,查准率提高了3.76%,召回率提高了1.15%,对肺内几种常见类型的肺结节都能准确地定位与检测。