基于通道-空间自适应模块的YOLOv5算法在脑出血CT图像自动识别与分割中的应用

摘要

目的：为提升YOLO模型在CT图像上对脑出血灶自动识别与分割的性能，提出基于通道-空间自适应模块（CSAM）改进的YOLOv5深度学习算法。方法：在传统YOLOv5算法的基础上进行改进，于YOLOv5核心结构的Backbone末端和Neck末端同时引入CSAM改进机制。使用来源于公开Kaggle平台的脑出血CT图像数据集对改进后的算法进行训练和验证。结果：当IoU-T设为0.6时，YOLOv5-CSAM算法对脑出血病灶CT图像识别与分割的mAP为0.985，优于传统YOLOv5算法及其它YOLOv5改进方法。结论：YOLOv5-CSAM算法具有良好的CT图像脑出血病灶识别和分割性能，同时拥有较强的抗干扰能力和适应性。

关键词

脑出血 / YOLOv5 / 通道-空间自适应模块 / 注意力机制 / CT图像