基于YOLOv5s和超声图像的儿童肠套叠特征检测模型

摘要

为帮助医生快速寻找到儿童腹部超声中肠套叠的病变特征并实现肠套叠超声诊后数据的快速质检，文章将目标检测算法应用于儿童腹部超声图像检测肠套叠“同心圆”征.首先探索了基于YOLOv5s的儿童肠套叠检测模型，发现该模型检测肠套叠“同心圆”征的精确度、召回率、F₁分数、mAP@0.5、FPS以及参数量等方面均优于Faster RCNN.进一步，为解决肉眼难以观察的“同心圆”征的检测问题，使用双向特征金字塔网络，并将注意力机制加入YOLOv5s网络，形成基于YOLOv5s＿BiFPN＿SE框架的儿童肠套叠“同心圆”征检测模型.该模型检测的精确率、召回率、F₁分数、mAP@0.5分别达到了91.33%、90.73%、91.03%、88.77%,性能更优于YOLOv5s.

关键词

目标检测 / 肠套叠 / 超声图像 / “同心圆”征 / 双向特征金字塔网络 / 注意力机制