融合动态通道剪枝的轻量级CT图像肺结节检测网络设计

易见兵; 胡雅怡; 曹锋; 李俊; 彭鑫; 陈鑫

doi:10.16088/j.issn.1001-6600.2024123003

广西师范大学学报（自然科学版） ›› 2025, Vol. 43 ›› Issue (06) : 92 -106. DOI: 10.16088/j.issn.1001-6600.2024123003

融合动态通道剪枝的轻量级CT图像肺结节检测网络设计

易见兵, 胡雅怡, 曹锋, 李俊, 彭鑫, 陈鑫

作者信息 +

Author information +

文章历史 +

摘要

肺癌是全球致死率最高的肿瘤疾病，而肺结节是早期肺癌的主要表现，现有算法在检测小目标肺结节时存在漏检、误检且模型复杂度高等问题。针对以上问题，本文提出一种基于通道掩码和动态通道剪枝的肺结节检测算法。首先，利用跨层连接将浅层特征与深层特征进行融合，并且精简路径聚合网络，减少模型参数量的同时获得更丰富的特征。其次，在残差连接中引入SE通道注意力机制，通过自适应调整每个通道的权重，聚焦肺结节中的关键信息，以提高算法对肺结节的检测能力。最后，利用通道掩码对网络进行动态通道剪枝，使网络能够完整保留模块中的跳跃连接，以增强模型的特征表达能力。在LUNA16数据集上，本文算法比YOLOv8n模型权重小0.3 MiB,且召回率和mAP@0.5分别提升2.0和1.7个百分点。在Lung-PET-CT-Dx数据集上，本文算法比YOLOv8n模型权重小0.9 MiB,且召回率和mAP@0.5分别提升0.8和0.4个百分点。实验结果表明，本文模型具有较高的肺结节检测精度且参数量较少。