基于改进型YOLO网络目标检测算法在乳腺肿瘤超声图像检测中的应用研究.pdf

中国医学装备2024年9月第21卷第9期ChinaMedicalEquipment2024SeptemberVol.21No.9学术论著

基于改进型YOLO网络目标检测算法

在乳腺肿瘤超声图像检测中的应用研究

1111123

杨涛杨岚兰杨米扬黄棋叶双雨付丽媛赵红佳

12

福建中医药大学第一临床医学院福州350004；中国人民解放军联勤保障部队第九〇〇医院放射诊断科

3

福州350025；福建中医药大学附属人民医院超声科福州350004

通信作者：赵红佳，Email：hongjiafz@

DOI:10.3969/j.issn.1672-8270.2024.09.005

中图分类号：R445.1文献标识码：A

[摘要]目的：实现基于改进型YOLO网络目标检测算法(YOLO算法)模型对乳腺肿瘤超声图像的检测方式优化升级。方法：

选取Kaggle数据库上659幅乳腺肿瘤图像作为初始数据集，采用图像标注工具Labelimg对图中检测目标进行预标注，依照

7∶3的比例将659幅图像中的629幅图像划分为训练集与验证集，其余30幅图像作为测试集，对原YOLO算法引入卷积块注

意力模块(CBAM)与双向特征金字塔网络(BiFPN)进行结构化改良并命名为YOLOv5-BiFPN-CBAM。将训练集与验证集

置入原YOLO算法模型与YOLOv5-BiFPN-CBAM模型进行训练并经200轮迭代训练，将所得最佳权重文件用于测试集的

最终化检验。结果：两种模型经过200轮迭代训练后，经验证集检验，两种模型对所有乳腺肿瘤超声图像检测的平均精度均

值分别为72.1%和80.5%，将改良模型的最佳权重文件经测试集测试，改良模型相较于原始模型对图像中小目标的检测能力

得到显著提升。结论：改进型YOLO算法模型与原YOLO算法模型相比，具有更高的对图像的识别度，同时提高了对乳腺

肿瘤超声图像中小目标识别的精度与灵敏度，有助于提高临床中乳腺肿瘤的诊断效能。

[关键词]人工智能(AI)；目标检测；乳腺肿瘤；乳腺超声；YOLO算法

引用本文：杨涛,杨岚兰,杨米扬,等.基于改进型YOLO网络目标检测算法在乳腺肿瘤超声图像检测中的应用研究[J].中国医

学装备,2024,21(9):23-27.DOI:10.3969/j.issn.1672-8270.2024.09.005.

StudyontheapplicationofYOLOalgorithmbasedonimprovedYOLOnetworkinthedetectionofultrasound

imageforbreasttumor/YangTao111112

,YangLanlan,YangMiyang,HuangQi,YeShuangyu,FuLiyuan,Zhao

Hongjia3

1TheFirstClinicalMedicalCollege,FujianUniversityofTraditionalChineseMedicine,Fuzhou350004,China;

2DepartmentofRadiologyandDiagnosis,Fuzhou350025,China;3DepartmentofUltrasound,AffiliatedPeoples

HospitalofFujianUniversityofTraditionalChineseMedicine,Fuzhou350004,China

Correspondingauthor:ZhaoHongjia,Email:hongjiafz@

[Abstra