摘要
本发明提供了基于注意力机制与结构优化的轻量级肺结节检测方法、系统和存储介质,属于医学检测技术领域。该方法设计了RFA‑C2f模块,通过融合重参数化技术与注意力机制,实现了训练与推理的解耦,显著增强了骨干网络在空间和通道的特征提取方面的能力,从而提高检测精度;通过构建了专注于上采样的特征融合结构Optimized Neck模块,通过引入高分辨率的上采样层并简化采样路径,有效去除特征冗余,并扩大了特征表达粒度,从而降低肺结节漏检率;提出了Lite Shared Detection模块,通过共享卷积与组归一化技术减少了参数冗余,并提升了特征聚合的一致性,在有效降低计算量的同时保持了模型精度。
技术关键词
YOLO模型
肺部CT图像
肺结节检测方法
肺结节检测模型
注意力机制
参数化技术
数据采集模块
CT扫描图像
肺结节图像
卷积模块
医学检测技术
多分支
电子设备
可读存储介质
存储器
感兴趣
系统为您推荐了相关专利信息
胶囊网络
序列特征
识别方法
卷积模块
多层感知机
智能电表故障
图像特征向量
预警方法
交叉注意力机制
多参数