【技术实现步骤摘要】
本申请涉及医疗检测，尤其是涉及一种基于改进yolov8的结肠息肉目标检测方法及系统。
技术介绍
1、结肠息肉是指在结肠内壁上形成的异常增生组织，虽然大多数息肉为良性，但其可能会演变为结直肠癌，早期检测息肉对预防结直肠癌至关重要。
2、近年来，yolo（you only look once）作为一种经典的实时目标检测算法，在医学影像领域，尤其是息肉检测中，展现了较高的检测速度和一定的准确性，其具有更轻量级的网络结构、更高的检测精度和实时性。然而，yolov8在检测边界模糊的小型目标时存在局限性，特别是在复杂的背景下，如肠道褶皱或有杂质干扰的图像中，易出现漏检和精度下降的问题。
3、为了进一步提高息肉检测的精度，现有技术已尝试通过改进yolo模型的结构来增强对小目标的识别能力，例如，在目标检测领域，已经提出了一些改进方案，如引入特征金字塔结构或多尺度检测技术，旨在提升模型对复杂场景下小目标的检测性能。然而，当前针对医学影像的研究仍然缺乏专门优化针对不规则边缘和低对比度息肉的检测模型。因此，如何有效提高结肠息肉的检测精度，尤其是对小型、形状不规则、边界模糊的息肉的检测，仍然是一个亟待解决的技术难题。
技术实现思路
1、本申请旨在解决现有技术中目标检测方法针对小型、边界模糊、形状不规则和低对比度结肠息肉的检测精度低、以及漏检率高问题，基于此，提出一种基于改进yolov8的结肠息肉目标检测方法及系统。
2、为了实现上述目的，第一方面，本申请提供一种基于改进
3、获取结肠息肉的图像数据集，对所述图像数据集进行预处理，并将预处理后的图像数据集划分为训练集、验证集及测试集；
4、搭建改进的yolov8模型，其中，包括在yolov8基础模型的backbone部分的第二c2f与第三c2f模块中嵌入第一注意力机制模块，以及在neck部分的第二c2f与第三c2f模块中嵌入第二注意力机制模块；
5、向改进后的yolov8模型输入所述训练集进行迭代训练，以及基于所述验证集对训练后的模型进行性能评估，得到优化后的结肠息肉目标检查模型；
6、向所述结肠息肉目标检查模型输入所述测试集，得到对应的结肠息肉目标检查结果。
7、在可能实现的一些实施例中，所述在yolov8基础模型的backbone部分的第二c2f与第三c2f模块中嵌入第一注意力机制模块的步骤中，所述第一注意力机制模块数据处理过程包括：
8、对输入特征图通过卷积操作进行特征变换，生成通道数为两倍于原始输入特征图的输出特征图；
9、对所述输出特征图分别沿通道维度进行切分并通过chunk操作切分为两部分特征图，所述两部分特征图用于作为后续特征融合的基础；
10、对其中一部分特征图进行计算得到对应的特征权重，基于所述特征权重增强对应特征图的局部特征表达；
11、将增强后的特征图与对应通道数一致的输入特征图叠加，以保留初始特征并增强特征图的细节和边界表达能力。
12、在可能实现的一些实施例中，对所述输出特征图分别沿通道维度进行切分并通过chunk操作切分为两部分特征图，所述两部分特征图用于作为后续特征融合的基础，包括：
13、所述两部分特征图包括第一部分特征图及第二部分特征图，所述第一部分特征图与所述第二部分特征图的特征通道数量相同，所述第一部分特征图用于保留基础特征，所述第二部分特征图用于作为后续特征融合增强。
14、在可能实现的一些实施例中，所述对其中一部分特征图进行计算得到对应的特征权重，基于所述特征权重增强对应特征图的局部特征表达，包括：
15、对所述第二部分特征图的每一特征图计算与每个通道的均值之间的差值，并对该差值平方得到平方差特征图；
16、对所述平方差特征图归一化处理以生成注意力图，所述注意力图用于表征特征图中每个位置的特征权重；
17、将所述注意力图与所述第二部分特征图进行逐元素相乘，得到重加权特征图。
18、在可能实现的一些实施例中，所述对所述平方差特征图归一化处理以生成注意力图，所述注意力图用于表征特征图中每个位置的特征权重，包括：
19、所述归一化处理的计算表达式为：
20、式中，表示特征图在第位置的值，表示该通道的均值， n为常数，为学习参数。
21、在可能实现的一些实施例中，所述将所述注意力图与所述第二部分特征图进行逐元素相乘，得到重加权特征图，包括：
22、所述逐元素相乘计算表达式为：
23、其中，，表示特征图在第位置的值，表示特征图在第位置的归一化的值。
24、在可能实现的一些实施例中，所述在neck部分的第二c2f与第三c2f模块中嵌入第二注意力机制模块的步骤中，所述第二注意力机制模块数据处理过程包括：
25、对输入的原始特征图进行自适应平均池化，得到每个通道的全局信息；
26、对所述每个通道进行卷积操作以调整每一通道的权重，并对所述权重进行非线性处理，得到每个通道的注意力权重；
27、将所述注意力权重与所述原始特征图进行逐元素相乘，生成重新加权后的增强特征图；
28、在通道维度上对所述增强特征图进行拼接，以及对拼接后特征图进行卷积融合并输出。
29、与现有技术相比较，本申请实施例提供的技术方案至少包括以下有益效果或优点：
30、本申请方法通过搭建改进的yolov8模型用于结肠息肉目标检测，具体的，在yolov8基础模型的backbone部分的第二c2f与第三c2f模块中嵌入第一注意力机制模块，以及在neck部分的第二c2f与第三c2f模块中嵌入第二注意力机制模块，第一注意力机制模块能够对结肠息肉自适应地增强小目标和不规则边界目标的特征信息，从而提升模型的检测精度，特别是在复杂背景或低对比度的结肠息肉检测任务中，具有显著的提升效果，第二注意力机制能够有效提升模型对复杂背景中目标的检测能力，不仅增强了网络对特征的敏感度和区分度，而且提高了模型对细微特征的捕捉能力，如此，在对结肠息肉进行目标检测时，在复杂的背景下如肠道褶皱或有杂质干扰的图像中，不易出现漏检，同时提高了在小目标检测、不规则形状以及边界模糊的结肠息肉目标的检测精度。
31、第二方面，本申请提供一种基于改进yolov8的结肠息肉目标检测系统，包括：
32、获取模块，被配置为获取结肠息肉的图像数据集，对所述图像数据集进行预处理，并将预处理后的图像数据集划分为训练集、验证集及测试集；
33、模型搭建模块，被配置为搭建改进的yolov8模型，其中，包括在yolov8基础模型的backbone部分的第二c2f与第三c2f模块中嵌入第一注意力机制模块，以及在neck部分的第二c2f与第三c2f模块中嵌入第二注意力机制模块本文档来自技高网...
【技术保护点】
1.一种基于改进YOLOv8的结肠息肉目标检测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于改进YOLOv8的结肠息肉目标检测方法，其特征在于，所述在YOLOv8基础模型的Backbone部分的第二C2f与第三C2f模块中嵌入第一注意力机制模块的步骤中，所述第一注意力机制模块数据处理过程包括：
3.根据权利要求2所述的一种基于改进YOLOv8的结肠息肉目标检测方法，其特征在于，所述对所述输出特征图分别沿通道维度进行切分并通过chunk操作切分为两部分特征图，所述两部分特征图用于作为后续特征融合的基础，包括：
4.根据权利要求3所述的一种基于改进YOLOv8的结肠息肉目标检测方法，其特征在于，所述对其中一部分特征图进行计算得到对应的特征权重，基于所述特征权重增强对应特征图的局部特征表达，包括：
5.根据权利要求4所述的一种基于改进YOLOv8的结肠息肉目标检测方法，其特征在于，所述对所述平方差特征图归一化处理以生成注意力图，所述注意力图用于表征特征图中每个位置的特征权重，包括：
6.根据权利要求4所述的一种基于
7.根据权利要求1所述的一种基于改进YOLOv8的结肠息肉目标检测方法，其特征在于，所述在Neck部分的第二C2f与第三C2f模块中嵌入第二注意力机制模块的步骤中，所述第二注意力机制模块数据处理过程包括：
8.一种基于改进YOLOv8的结肠息肉目标检测系统，其特征在于，包括：
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1-7中任一项所述的一种基于改进YOLOv8的结肠息肉目标检测方法的步骤。
...【技术特征摘要】
1.一种基于改进yolov8的结肠息肉目标检测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于改进yolov8的结肠息肉目标检测方法，其特征在于，所述在yolov8基础模型的backbone部分的第二c2f与第三c2f模块中嵌入第一注意力机制模块的步骤中，所述第一注意力机制模块数据处理过程包括：
3.根据权利要求2所述的一种基于改进yolov8的结肠息肉目标检测方法，其特征在于，所述对所述输出特征图分别沿通道维度进行切分并通过chunk操作切分为两部分特征图，所述两部分特征图用于作为后续特征融合的基础，包括：
4.根据权利要求3所述的一种基于改进yolov8的结肠息肉目标检测方法，其特征在于，所述对其中一部分特征图进行计算得到对应的特征权重，基于所述特征权重增强对应特征图的局部特征表达，包括：
5.根据权利要求4所述的一种基于改进yolov8的结肠息肉目标检测方法，其特...
【专利技术属性】
技术研发人员：蓝桂莲，廖旺娣，龙顺华，
申请(专利权)人：南昌大学第一附属医院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。