为解决现有的基于深度学习的结直肠息肉检测算法计算复杂或检测精度较低,不能在速度和精度方面同时满足实时检测的问题,提出了一种基于单阶段目标检测网络YOLO(you only look once)v5s的结直肠腺瘤实时检测方法.在YOLOv5s的主干网中融...为解决现有的基于深度学习的结直肠息肉检测算法计算复杂或检测精度较低,不能在速度和精度方面同时满足实时检测的问题,提出了一种基于单阶段目标检测网络YOLO(you only look once)v5s的结直肠腺瘤实时检测方法.在YOLOv5s的主干网中融入通道注意力机制,并以BCEWithLogitsLoss代替其原有的交叉熵损失函数BCELogits,以此提升网络性能.选取2074张腺瘤图片和包含19700帧的20段腺瘤视频,按照3∶1的比例构建结直肠腺瘤训练集和测试集.测试结果表明,结直肠腺瘤检测的平均精度为93.6%,检测速度为93帧/s,验证了该系统可以在肠镜的退镜过程中实时检测腺瘤性息肉,且具有较好的检测性能.展开更多
文摘为解决现有的基于深度学习的结直肠息肉检测算法计算复杂或检测精度较低,不能在速度和精度方面同时满足实时检测的问题,提出了一种基于单阶段目标检测网络YOLO(you only look once)v5s的结直肠腺瘤实时检测方法.在YOLOv5s的主干网中融入通道注意力机制,并以BCEWithLogitsLoss代替其原有的交叉熵损失函数BCELogits,以此提升网络性能.选取2074张腺瘤图片和包含19700帧的20段腺瘤视频,按照3∶1的比例构建结直肠腺瘤训练集和测试集.测试结果表明,结直肠腺瘤检测的平均精度为93.6%,检测速度为93帧/s,验证了该系统可以在肠镜的退镜过程中实时检测腺瘤性息肉,且具有较好的检测性能.
