改进YOLO11的脑肿瘤MRI图像检测算法

陈光瀛; 贾根盛; 李俊豪; 卫小龙; 赵兵

doi:10.13901/j.cnki.qhwxxbzk.2026.03.013

青海大学学报 ›› 2026, Vol. 44 ›› Issue (3) : 103 -110. DOI: 10.13901/j.cnki.qhwxxbzk.2026.03.013

改进YOLO11的脑肿瘤MRI图像检测算法

陈光瀛, 贾根盛, 李俊豪, 卫小龙, 赵兵

作者信息 +

Author information +

文章历史 +

摘要

针对脑癌MRI检测中病灶纹理高度异质，解剖背景干扰强，以及软边界导致回归不稳定等问题，本研究以YOLO11n为基线，提出病理特征驱动的自适应检测模型YOLO11-iDAU。在特征提取阶段引入iEMA注意力以保留空间位置信息并抑制背景噪声，用DynamicConv替代部分静态卷积以实现对不同病理纹理的自适应表征。在检测头端引入ASFFHead实现跨尺度特征的空间自适应融合，并以UIoU替换原有回归损失以增强对软边界与不规则形态的鲁棒性。结果表明，在自建脑肿瘤MRI数据集上，YOLO11-iDAU相较YOLO11n,在mAP@50与mAP@50∶95上分别提升2.9个百分点与6.0个百分点，同时保持较高的推理效率。该模型能够在复杂背景与多尺度病灶场景下实现更稳定、更精确的定位与识别，可为脑癌影像辅助诊断提供支撑。