改进型YOLOv5模型在乳腺肿瘤超声图像检测中的应用

• 全文链接
• 请求原文

作   者：

杨岚兰;  杨涛;  赵红佳; 

作者机构：

福建中医药大学附属人民医院;  福建中医药大学第一临床医学院; 

关键词：

乳腺超声;  乳腺肿瘤;  YOLOv5;  目标检测;  人工智能; 

期刊名称：

自动化应用

i s s n：

1674-778X

年卷期：

2025 年 66 卷 004 期

页   码：

37-41

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7:3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。