| YOLOF-CBAM：一种新的结直肠息肉实时分类与检测方法 |
| |
| 引用本文： | 杨昆,孙宇锋,汪世伟,路宇飞,薛林雁. YOLOF-CBAM：一种新的结直肠息肉实时分类与检测方法[J]. 电子测量技术, 2023, 46(16): 138-147 |
| |
| 作者姓名： | 杨昆 孙宇锋 汪世伟 路宇飞 薛林雁 |
| |
| 作者单位： | 1.河北大学质量技术监督学院 保定 071002; 2.计量仪器与系统国家地方联合工程研究中心 保定 071002;3.河北省新能源汽车动力系统轻量化技术创新中心 保定 071002;河北大学电子信息工程学院 保定 071002 |
| |
| 基金项目： | 河北大学多学科交叉研究项目(DXK201914)、河北大学校长科研基金(XZJJ201914)、大学生创新创业训练计划创新训练项目(2022373)资助 |
| |
| 摘 要： | 针对目前常见的计算机辅助检测系统对结肠镜图像中息肉的分类与检测准确性和实时性不足的问题,提出了一种以YOLOv4为基本框架,结合空间注意力机制与改进特征融合层的YOLOF CBAM模型,可对白光和窄带成像双模态内镜图像中的增生性息肉与腺瘤性息肉进行实时分类与检测。为了使息肉的特征提取更准确,在YOLOv4的主干网中增加CBAM模块,使网络特征提取层关注到更加重要的空间以及通道信息,抑制不必要特征向下传递;在此基础上,通过对特征融合层PANet进行剪枝操作优化网络结构,以此减少网络参数量,进一步提高模型的检测速度。为了对改进后的模型进行训练和测试,从河北大学附属医院收集了2 988张包含了白光和NBI的内镜图像,并按照9∶1的划分比例划分为训练集和测试集。实验结果表明,YOLOF CBAM在测试集上的mAP值为8644%,识别增生性息肉和腺瘤性息肉的召回率分别为8962%和8564%,精确率分别为9135%和8519%,且实时分类速度达到47 FPS,证明所提出的模型具有潜在的临床应用价值。
|
| 关 键 词： | 结直肠息肉 实时分类与检测 注意力机制 YOLOv4 PANet |
YOLOF-CBAM: A new real-time classification and detection method for colorectal polyps |
| |
| Yang Kun,Sun Yufeng,Wang Shiwei,Lu Yufei,Xue Linyan. YOLOF-CBAM: A new real-time classification and detection method for colorectal polyps[J]. Electronic Measurement Technology, 2023, 46(16): 138-147 |
| |
| Authors: | Yang Kun Sun Yufeng Wang Shiwei Lu Yufei Xue Linyan |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《电子测量技术》浏览原始摘要信息 |
|
点击此处可从《电子测量技术》下载免费的PDF全文 |
|
