关键词:
GE-YOLO
实时目标检测
异常区域
消化内镜
YOLOv7-tiny
摘要:
消化内镜是临床常用的消化道检查手段,在消化道疾病的早期诊断和治疗中具有重要作用。但常规内镜检查需要由专业医生操作并实时观察视频以确定病灶点,极度依赖医生经验,主观性强且容易造成漏检和误检。本研究提出了一种基于改进YOLOv7-tiny的消化内镜下异常区域实时检测方法:GE-YOLO。该方法以YOLOv7-tiny为基础框架,使用两种不同的特征提取模块(C3模块和P-ELAN模块)构建骨干特征提取网络,提高网络的特征提取能力;使用坐标卷积(CoordConv)取代上采样中的普通卷积,进一步提高模型对病灶的定位精度;使用部分卷积(PConv)取代特征提取模块中的3×3普通卷积,在保证模型性能的同时减少了模型的计算量和参数量,提升了模型的检测速度;最后使用基于IoU与归一化Wasserstein距离的联合损失函数,提升模型对微小病灶的敏感度。该模型利用Kvasir-Capsule数据集中含标记的图像(共4172张)进行了训练和测试,其平均精确率、召回率和F1得分分别达到了94.2%、97.2%和0.957,检测速度为60帧/s,与YOLOv7-tiny相比,精确率、召回率和F1得分分别提升了2.8%、12.0%和0.075。实验结果表明,本研究提出的方法能实现高精度的消化道病灶实时检测,有望部署于临床内镜检查设备,在检查过程中为医生提供实时辅助,从而大大提高内镜检查效率,具有重要的学术价值和临床意义。