改进YOLOv8算法的胃肠道息肉检测

摘要

针对胃肠道息肉检查漏诊率和误诊率较高的问题,研究了一种可用于胃肠道息肉检查的实时检测模型。首先,收集公开的胃肠道息肉图像数据,构建了一个来源广泛,种类丰富的胃肠道息肉数据集;然后,基于YOLOv8算法中的YOLOv8n模型,使用BiFPN模块替换YOLOv8n模型中的PANet模块来增强模型的特征提取能力,引入Effective SE注意力机制提高模型检测精度,并采用轻量级网络ShuffleNetV2在保证模型检测精度的同时,提高模型的检测速度;最后,在收集到的胃肠道息肉数据集上改进模型的精确率达到96.2%,召回率达到91.6%,mAP@0.5达到96.8%,mAP@0.5∶0.95达到70.8%。实验结果表明,本文改进的模型能够更好的满足胃肠道息肉检查时的精度和速度要求。

关键词

目标检测 / 胃肠道息肉 / 注意力机制 / 加权双向特征金字塔网络 / 轻量级网络