原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
第66卷第4期自动化应用Vol.66No.4
2025年2月AutomationApplicationFeb.2025
改进型YOLOv5模型在乳腺肿瘤超声图像检测中的应用
112
杨岚兰，杨涛，赵红佳
（1.福建中医药大学第一临床医学院，福建福州350122；2.福建中医药大学附属人民医院，福建福州350004）
摘要：为实现基于改进型YOLO的算法模型对乳腺肿瘤超声图像检测方式的优化升级，选取659张kaggle平台公开
的乳腺肿瘤超声图像作为YOLOv5s的初始数据集，并采用开源图片标注工具Labelimg对超声图像中所需检测的乳腺
：
癌目标进行预标注。从该数据集中随机抽取629张图像，并将其依照73的比例划分为训练集与验证集，余下30张图
像作为测试集用于测试模型检测目标性能。将自适应空间特征融合结构（ASFF）与卷积块注意力（CBAM）机制引入原
YOLOv5算法，对原算法进行结构化改良。将训练集与验证集置入原模型与改良模型，经过200轮迭代训练得到佳权
重文件，用于测试集的最终化检验。结果表明，经过200轮迭代训练后，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%、79.6%。通过测试集检验证明，与原始模型相比，改良模型对图像的识别精度得到了显著
提高，同时对中小目标的检测能力也得到了提升，有助于提高临床中乳腺肿瘤的诊断效能。
人工智能；目标检测；乳腺肿瘤；乳腺超声；YOLOv5
关键词：
中图分类号：TP391.41文献标识码：ADOI：10.19769/j.zdhy.2025.04.009
ApplicationofImprovedYOLOv5ModelinUltrasoundImageDetectionofBreastTumors
112
YANGLanlan，YANGTao，ZHAOHongjia
（1.FirstClinicalSchool，FujianUniversityofTraditionalChineseMedicine，Fuzhou，Fujian350122，China；
2.TheAffiliatedPeoplesHospitalofFujianUniversityofTraditionalChineseMedicine，Fuzhou，Fujian350004，China）
Abstract：TooptimizeandupgradethedetectionmethodforbreasttumorultrasoundimagesbasedonanimprovedYOLO
algorithmmodel，659publiclyavailablebreasttumorultrasoundimagesfromtheKaggleplatformwereselectedastheinitial
datasetforYOLOv5s.
文档评论（0）