基于YOLOv8改进的脑癌检测算法

• Published in: 计算机科学 Vol. 51; no. z2; pp. 444 - 450
• Main Authors: 王喆, 赵慧俊, 谭超, 李骏, 申冲
• Format: Journal Article
• Language: Chinese
• Published: 中北大学机械工程学院 太原 030051%中北大学仪器与电子学院 太原 030051 2024; 山西省省部共建动态测试技术国家重点实验室 太原 030051
• Subjects: Bidirectional Feature Pyramid Network 结构; Missed Softplus with Identity Shortcut; Bidirectional Feature Pyramid Network; Brain Tumor; YOLOv8; Efficient Multi-Scale Attention 模块; Efficient Multi-scale attention model; 脑癌; Minimum Point Distance Intersection over Union loss function; Missed Soft-plus with Identify Shortcut activation function
• ISSN: 1002-137X
• DOI: 10.11896/jsjkx.231100122

TP391.4; 自动检测脑部肿瘤在磁共振成像中的位置是一个复杂、繁重的任务,需要耗费大量时间和资源.传统识别方案经常出现误解、遗漏和误导的情况,从而影响患者的治疗进度,对患者的生命安全产生影响.为了进一步提高鉴定的效果,引入了 4项关键改进措施.首先,采用了高效的多尺度注意力EM A(Efficient Multi-scale Attention),这种方法既可以对全局信息进行编码,也可以对信息进行重新校准,同时通过并行的分支输出特征进行跨维度的交互,使信息进一步聚合.其次,引入了 BiFPN(Bidirectional Feature Pyramid Network)模块,并对其结构进行改进,以便缩短每一次检测所需要的时间,同时提升图像识别效果.然后采用MDPIoU损失函数和Mish激活函数进行改进,进一步提高检测的准确度.最后进行仿真实验,实验结果表明,改进的YOLOv8算法在脑癌检测中的精确率、召回率、平均精度均值均有提升,其中Precision提高了 4.48％,Recall提高了2.64％,mAP@0.5 提高了 2.6％,mAP@0.5:0.9 提高了 7.0％.