改进YOLOv5的肺结节检测算法

摘要

针对肺部CT图像中大量小结节难以检测、以及现有肺结节检测算法难以实现轻量化和高精度兼顾的问题，提出改进YOLOv5的高精度轻量化肺结节检测算法。主要改进以下4个方面：（1）使用空间-深度下采样操作替换YOLOv5主干网络中步长为2的下采样操作，使细微特征提取更完整以便于发现微小结节；（2）在YOLOv5颈部使用渐进融合特征策略，构建不同路径特征图之间的联系以增强各个层级之间信息的交互；（3）创造性地提出了感知全局上下文注意力并将其应用在YOLOv5颈部网络的末端，提高模型从全局视角对肺结节关键特征和语义信息的理解能力；（4）采用损失排序挖掘方法重点训练困难样本，以此来强化模型的鉴别能力。改进后的算法在LUNA16数据集上得到了96.0%的精确度，95.0%的召回率和97.3%的平均精度，相比原始YOLOv5模型，精确度提高了14%，召回率提高了10.2%，平均精度提高了12.1%，上述结果表明，改进后的算法可有效检测出肺结节。

关键词

YOLOv5 / 肺结节检测 / 下采样算法 / 注意力机制 / 困难样本