助力服务智能医疗检测，基于yolov5开发构建结直肠息肉检测系统，实践训练n/s/m不同量级模型，对比性能结果

news/2024/7/11 1:17:22 标签: YOLO, 人工智能

将人工智能技术应用于众多的生活真实场景中是一件很有前景的事情，在我前面的博文中已经有不少的相关的开发实践，应用于医学领域也是一个非常重要的细分分支领域，在前面的博文中也有一些实践，感兴趣的话可以自行移步阅读。

《服务医学，基于目标检测模型实现细胞检测识别》  细胞检测计数

《基于YOLOv5开发构建荧光染色条件下膀胱脱落细胞检测识别分析系统》  细胞检测识别

总体来讲，医学相关的项目主要是偏向于微观领域，也就是细胞相关的检测识别计数，这里本文的主要目的是尝试将yolov5这一检测模型应用到结直肠息肉智能自动化检测领域中，探索后续智能化医疗检测的可行性。首先看下效果图：

 简单看下数据集，这里数据集我主要分为了两组，一组小批量的数据集，一组加入了增强处理组件规模稍大的数据集，如下所示：

 标注数据如下所示：

 针对模型，这里选用的是yolov5最为轻量级的三款模型：n、s和m，模型详情文件如下：

【n】

# YOLOv5 🚀 by Ultralytics, GPL-3.0 license

# Parameters
nc: 1  # number of classes
depth_multiple: 0.33  # model depth multiple
width_multiple: 0.25  # layer channel multiple
anchors:
  - [10,13, 16,30, 33,23]  # P3/8
  - [30,61, 62,45, 59,119]  # P4/16
  - [116,90, 156,198, 373,326]  # P5/32


# Backbone
backbone:
  # [from, number, module, args]
  [[-1, 1, Conv, [64, 6, 2, 2]],  # 0-P1/2
   [-1, 1, Conv, [128, 3, 2]],  # 1-P2/4
   [-1, 3, C3, [128]],
   [-1, 1, Conv, [256, 3, 2]],  # 3-P3/8
   [-1, 6, C3, [256]],
   [-1, 1, Conv, [512, 3, 2]],  # 5-P4/16
   [-1, 9, C3, [512]],
   [-1, 1, Conv, [1024, 3, 2]],  # 7-P5/32
   [-1, 3, C3, [1024]],
   [-1, 1, SPPF, [1024, 5]],  # 9
  ]


# Head
head:
  [[-1, 1, Conv, [512, 1, 1]],
   [-1, 1, nn.Upsample, [None, 2, 'nearest']],
   [[-1, 6], 1, Concat, [1]],  # cat backbone P4
   [-1, 3, C3, [512, False]],  # 13

   [-1, 1, Conv, [256, 1, 1]],
   [-1, 1, nn.Upsample, [None, 2, 'nearest']],
   [[-1, 4], 1, Concat, [1]],  # cat backbone P3
   [-1, 3, C3, [256, False]],  # 17 (P3/8-small)

   [-1, 1, Conv, [256, 3, 2]],
   [[-1, 14], 1, Concat, [1]],  # cat head P4
   [-1, 3, C3, [512, False]],  # 20 (P4/16-medium)

   [-1, 1, Conv, [512, 3, 2]],
   [[-1, 10], 1, Concat, [1]],  # cat head P5
   [-1, 3, C3, [1024, False]],  # 23 (P5/32-large)

   [[17, 20, 23], 1, Detect, [nc, anchors]],  # Detect(P3, P4, P5)
  ]

【s】

# YOLOv5 🚀 by Ultralytics, GPL-3.0 license

# Parameters
nc: 1  # number of classes
depth_multiple: 0.33  # model depth multiple
width_multiple: 0.50  # layer channel multiple
anchors:
  - [10,13, 16,30, 33,23]  # P3/8
  - [30,61, 62,45, 59,119]  # P4/16
  - [116,90, 156,198, 373,326]  # P5/32

#Backbone
backbone:
  # [from, number, module, args]
  [[-1, 1, Conv, [64, 6, 2, 2]],  # 0-P1/2
   [-1, 1, Conv, [128, 3, 2]],  # 1-P2/4
   [-1, 3, C3, [128]],
   [-1, 1, Conv, [256, 3, 2]],  # 3-P3/8
   [-1, 6, C3, [256]],
   [-1, 1, Conv, [512, 3, 2]],  # 5-P4/16
   [-1, 9, C3, [512]],
   [-1, 1, Conv, [1024, 3, 2]],  # 7-P5/32
   [-1, 3, C3, [1024]],
   [-1, 1, SPPF, [1024, 5]],  # 9
  ]

#Head
head:
  [[-1, 1, Conv, [512, 1, 1]],
   [-1, 1, nn.Upsample, [None, 2, 'nearest']],
   [[-1, 6], 1, Concat, [1]],  # cat backbone P4
   [-1, 3, C3, [512, False]],  # 13

   [-1, 1, Conv, [256, 1, 1]],
   [-1, 1, nn.Upsample, [None, 2, 'nearest']],
   [[-1, 4], 1, Concat, [1]],  # cat backbone P3
   [-1, 3, C3, [256, False]],  # 17 (P3/8-small)

   [-1, 1, Conv, [256, 3, 2]],
   [[-1, 14], 1, Concat, [1]],  # cat head P4
   [-1, 3, C3, [512, False]],  # 20 (P4/16-medium)

   [-1, 1, Conv, [512, 3, 2]],
   [[-1, 10], 1, Concat, [1]],  # cat head P5
   [-1, 3, C3, [1024, False]],  # 23 (P5/32-large)

   [[17, 20, 23], 1, Detect, [nc, anchors]],  # Detect(P3, P4, P5)
  ]

 【m】

# YOLOv5 🚀 by Ultralytics, GPL-3.0 license

# Parameters
nc: 1  # number of classes
depth_multiple: 0.67  # model depth multiple
width_multiple: 0.75  # layer channel multiple
anchors:
  - [10,13, 16,30, 33,23]  # P3/8
  - [30,61, 62,45, 59,119]  # P4/16
  - [116,90, 156,198, 373,326]  # P5/32

# Backbone
backbone:
  # [from, number, module, args]
  [[-1, 1, Conv, [64, 6, 2, 2]],  # 0-P1/2
   [-1, 1, Conv, [128, 3, 2]],  # 1-P2/4
   [-1, 3, C3, [128]],
   [-1, 1, Conv, [256, 3, 2]],  # 3-P3/8
   [-1, 6, C3, [256]],
   [-1, 1, Conv, [512, 3, 2]],  # 5-P4/16
   [-1, 9, C3, [512]],
   [-1, 1, Conv, [1024, 3, 2]],  # 7-P5/32
   [-1, 3, C3, [1024]],
   [-1, 1, SPPF, [1024, 5]],  # 9
  ]

# Head
head:
  [[-1, 1, Conv, [512, 1, 1]],
   [-1, 1, nn.Upsample, [None, 2, 'nearest']],
   [[-1, 6], 1, Concat, [1]],  # cat backbone P4
   [-1, 3, C3, [512, False]],  # 13

   [-1, 1, Conv, [256, 1, 1]],
   [-1, 1, nn.Upsample, [None, 2, 'nearest']],
   [[-1, 4], 1, Concat, [1]],  # cat backbone P3
   [-1, 3, C3, [256, False]],  # 17 (P3/8-small)

   [-1, 1, Conv, [256, 3, 2]],
   [[-1, 14], 1, Concat, [1]],  # cat head P4
   [-1, 3, C3, [512, False]],  # 20 (P4/16-medium)

   [-1, 1, Conv, [512, 3, 2]],
   [[-1, 10], 1, Concat, [1]],  # cat head P5
   [-1, 3, C3, [1024, False]],  # 23 (P5/32-large)

   [[17, 20, 23], 1, Detect, [nc, anchors]],  # Detect(P3, P4, P5)
  ]

均在默认设置下进行100次epoch的迭代计算，这里首先在小批量数据集上依次看下结果详情：

【n】

 【s】

 【m】

 从结果数据上直观来看：这里随着参数里的增大模型的精度有所提升。

这里为了直观整体对比不同系列模型的性能，绘制来的对比分析图表，如下所示：

【F1值】

 【loss曲线】

 【precision曲线】

 【recall曲线】

 接下来，我们基于常用的增强方法实现原始数据的扩增，来重新进行n、s和m三款模型的训练构建，同样依次来看下对应的结果数据如下所示：

【n】

 【s】

 【m】

 可能数据增强造成了一定程度上的数据泄露，这里可以看到：非常明显的效果提升，不过从另一个角度来分析，数据量增大对于模型性能的提升是有正向作用的。

这里为了直观整体对比不同系列模型的性能，绘制来的对比分析图表，如下所示：

【F1值】

 【loss曲线】

 【precision曲线】

 【recall曲线】

感兴趣的话也可以试试看！


http://www.niftyadmin.cn/n/356218.html

相关文章

广州正盟科技 -- 前端 -- 2023.4.21

广州正盟科技 -- 前端 -- 2023.4.21

广州正盟科技 – 前端 – 4.21 首先 进来后就让你写一份笔试，然后笔试完后，让你休息一下，然后就开始技术面了 笔试的话，就是一些前端的基础知识htmlcssjs，我只记得有个正则表达式的我不会写，其他也挺简单的…
阅读更多...
【Linux基本指令（3)】几十条指令快速入手Linux/到底什么是日志？/指令的运行原理到底是什么？

【Linux基本指令（3)】几十条指令快速入手Linux/到底什么是日志？/指令的运行原理到底是什么？

本文思维导图： 文章目录 13.head指令14.tail指令15.时间相关指令到底什么是日志？时间戳 16.cal指令17.find指令（非常重要）18.grep指令19.zip/unzip指令20.tar指令（非常重要）21.bc指令22.uname指令23.几个重…
阅读更多...
npm install一直卡着不动

npm install一直卡着不动

npm install一直卡着不动 清理npm缓存: 有时候，npm的缓存可能会导致安装过程中出现问题。你可以使用以下命令来清理npm的缓存： npm cache clean --force删除node_modules和package-lock.json: 有时候，删除node_modules目录和package-lock.j…
阅读更多...
Java基础 变量与数据类型(类型转换)

Java基础 变量与数据类型(类型转换)

变量 为什么需要变量 一花一世界，如果把一个程序看做一个世界或一个社会的话，那么变量就是程 序世界的花花草草、万事万物。即，变量是程序中不可或缺的组成单位，最基 本的存储单元。 初识变量 变量的概念 内存中的一个存储区域…
阅读更多...
【vue3】需要了解哪些【未完结】

【vue3】需要了解哪些【未完结】

这里写目录标题 一.vue3入门1. vue3带来了什么2. vue3工程的创建1. 使用vue-cli创建2. 使用vite创建与webpack的区别 二、常用Composition API1. setup(函数和语法糖)2. ref 和reactive3. vue3的响应式原理1. Vue2 的响应式原理2.vue3的的响应式原理 4.computed5.watch6. watch…
阅读更多...
不需要策略模式也能避免满屏if/else

不需要策略模式也能避免满屏if/else

满屏if/else java 复制代码 public static void main(String[] args) { int a 1; if(a 1){ System.out.println("执行a1的逻辑"); }else if (a 2){ System.out.println("执行a2的逻辑"); }else if (a 3){ System.out.println("执行a3的逻辑&quo…
阅读更多...
快来试试这几个简单好用的手机技巧吧

快来试试这几个简单好用的手机技巧吧

技巧一：相机功能 苹果手机的相机功能确实非常出色，除了出色的像素之外，还有许多其他实用功能可以提升拍摄体验。 这些相机功能提供了更多的选择和便利性，使用户能够更好地适应不同的拍摄需求。 自拍功能：通过选择自…
阅读更多...
基于apache paimon实时数仓全增量一体实时入湖

基于apache paimon实时数仓全增量一体实时入湖

用例简介 Apache Paimon（以下简称 Paimon）作为支持实时更新的高性能湖存储，本用例展示了在千万数据规模下使用全量 增量一体化同步 MySQL 订单表到 Paimon明细表、下游计算聚合及持续消费更新的能力。整体流程如下图所示，其中 …
阅读更多...
最新文章

Copyright @ 2022~2023