YOLO-MSRF para detecção de nódulos pulmonares

(Objetivo) Buscando resolver o problema da grande quantidade de nódulos pequenos que são difíceis de detectar em imagens pulmonares, métodos de detecção baseados em YOLOv7 aprimorado são propostos neste artigo. (Método) Primeiro, uma nova camada de detecção de pequenos objetos (SODL) é proposta para resolver o problema do pequeno tamanho e forma irregular dos nódulos pulmonares, que dificultam a detecção precisa. Em segundo lugar, visando o problema de que as características dos nódulos pulmonares estão borradas e são difíceis de detectar devido ao downsampling contínuo do modelo, um módulo de campo receptivo em múltiplas escalas (MSRF) é proposto e projetado para melhorar a extração de características de canal do modelo. Por fim, a convolução omni-dimensional eficiente (EODConv) é utilizada para melhorar a capacidade da rede de extrair o espaço, filtros e canais do núcleo de convolução. (Resultados) Experimentos foram realizados no conjunto de dados público Luna16, e os resultados mostraram que nosso mAP, precisão e taxa de recall alcançaram 95,26 %, 95,41 % e 94,02 %, respectivamente, superando muitos modelos de ponta. (Conclusão) Neste estudo, um método baseado em YOLOv7 é proposto para detectar nódulos pulmonares. Resultados experimentais mostram que a modificação proposta pode melhorar significativamente o desempenho da detecção e é mais adequada para diagnóstico médico clínico.