基于改进YOLOv8的脑肿瘤图像检测算法

摘要

脑肿瘤是严重威胁人类健康的疾病，早期检测对提高治疗效果至关重要。针对现有脑肿瘤检测算法在复杂背景或边缘模糊的情况下检测精度不足的问题，本文提出了一种基于改进YOLOv8的脑肿瘤检测算法。该算法引入协调注意力机制，强化肿瘤区域的特征聚焦；在主干网络中采用深度可分离卷积，降低计算复杂度并提升特征提取效率；结合Bottleneck Transformer模块，增强了全局信息建模能力。实验在Brain Tumor Detection数据集上进行，结果显示检测精度达到93%，相较于原算法提升1.1%,mAP0.5和mAP0.5∶0.95分别提升了2.1%和1.7%。实验结果表明，改进算法在脑肿瘤检测任务中表现出显著优势，为医学影像辅助诊断提供了更加精准和高效的支持。

关键词

脑肿瘤检测 / YOLOv8 / 协调注意力机制 / 深度可分离卷积 / Bottleneck Transformer

基金资助

国家重大科技专项项目（2018AAA0102100）; 2023年湖南省学位与研究生教学改革研究项目（2023JGYB151）; 湖南中医药大学第一附属医院中医药传承创新专项重点项目（2024XYLH346）; 湖南省普通高等学校教学改革研究项目（HNJG-20230527）; 2024年湖南中医药大学研究生科研创新项目（2024CX192）