基于改进YOLOv7的脑部MRI影像肿瘤检测算法

摘要

脑部MRI影像数据具有数据量大、易受噪声和伪影干扰等特点，这些特点对种类、形状、边界既相似又复杂多变的脑肿瘤检测和分析提出了速度和准确度提升的挑战。基于此，在YOLOv7算法基础上提出一系列改进方法来提高检测的精度和速度。首先在特征提取阶段使用部分卷积PConv，以降低模型的参数量，提高整体检测速度。其次针对脑肿瘤复杂多变的特点，在特征提取时引入三维空间注意力机制SimAM，以提高模型对重要影像特征的关注。最后用WIoU替换原IoU损失函数，在边界框回归时提高对普通质量锚框的关注，以进一步提高检测精度。通过在公开的两个脑肿瘤数据集Brain＿Tumor和Glioma＿of＿test上进行实验，改进后的模型mAP检测精度分别为96.9%和92.8%，相比YOLOv7原模型提高1.4%和2.4%;FPS每秒处理的图像数分别为162.7和158.1，相比YOLOv7原模型提高6.4和18.2，可以更为有效地检测脑部MRI影像中的脑肿瘤。

关键词

脑肿瘤 / YOLOv7 / 部分卷积 / 三维空间注意力 / 动态注意力