3936.
精准高效的肺结节检测模型是早期准确筛查肺癌发病情况的关键. 然而, 当前算法在面对小尺度以及结构特殊的肺结节时, 存在检测准确率低、鲁棒性不足的问题. 本文基于YOLO11算法, 融合双域特征, 提出改进的DFT-YOLO11 (dual-domain (spatial-frequency) discrete Fourier transform-enhanced YOLO11)肺结节检测模型, 实现肺结节的精准识别与定位. DFT-YOLO11模型引入频域-空域特征对齐注意力机制模块, 以及融合频域分支的FC3k2模块, 从频域角度为肺结节检测提供了更丰富的语义特征信息. 同时, 设计的自适应阈值损失函数能平衡不同尺度肺结节对网络训练的影响. 实验结果显示, DFT-YOLO11模型在LUNA16数据集中,
mAP0.5指标达到94.45%, 超越了现有的肺结节检测模型, 在Lung-PET-CT-Dx数据集中,
mAP0.5指标达到97.29%, 表明DFT-YOLO11具备多类别癌变检测性能. 同时, DFT-YOLO11检测结果计算的肺结节形态学结构指标均方误差最小, 这为临床应用提供了可靠支持.… …
相似文献