SCC-YOLO: An Improved Object Detector for Assisting in Brain Tumor Diagnosis

要約

脳腫瘍は、神経機能障害、認知的および心理的状態の変化、頭蓋内圧の上昇、発作の発生を引き起こす可能性があり、それによって人間の生命と健康に重大なリスクをもたらします。
You Only Look Once (YOLO) シリーズ モデルは、医療画像処理における物体検出において優れた精度を実証しています。
この論文では、SCConv アテンション メカニズムを YOLOv9 に統合することにより、新しい SCC-YOLO アーキテクチャを開発します。
SCConv モジュールは、特徴間の空間的およびチャネルの冗長性を削減することで効率的な畳み込みモジュールを再構築し、それによって画像特徴の学習を強化します。
我々は、Br35H データセットと独自に作成したデータセット (Brain_Tumor_Dataset) の両方を使用して、脳腫瘍画像検出に対する YOLOv9 モデルとさまざまな注意メカニズムの統合の影響を調査します。
実験結果によると、Br35H データセットでは、SCC-YOLO は YOLOv9 と比較して mAp50 で 0.3% の改善を達成しましたが、独自に作成したデータセットでは、SCC-YOLO は YOLOv9 と比較して 0.5% の改善を示しました。
SCC-YOLO は脳腫瘍検出において最先端の性能に達しています。
ソースコードはhttps://jihulab.com/healthcare-information-studio/SCC-YOLO/-/tree/masterから入手できます。

要約(オリジナル)

Brain tumors can result in neurological dysfunction, alterations in cognitive and psychological states, increased intracranial pressure, and the occurrence of seizures, thereby presenting a substantial risk to human life and health. The You Only Look Once(YOLO) series models have demonstrated superior accuracy in object detection for medical imaging. In this paper, we develop a novel SCC-YOLO architecture by integrating the SCConv attention mechanism into YOLOv9. The SCConv module reconstructs an efficient convolutional module by reducing spatial and channel redundancy among features, thereby enhancing the learning of image features. We investigate the impact of intergrating different attention mechanisms with the YOLOv9 model on brain tumor image detection using both the Br35H dataset and our self-made dataset(Brain_Tumor_Dataset). Experimental results show that on the Br35H dataset, SCC-YOLO achieved a 0.3% improvement in mAp50 compared to YOLOv9, while on our self-made dataset, SCC-YOLO exhibited a 0.5% improvement over YOLOv9. SCC-YOLO has reached state-of-the-art performance in brain tumor detection. Source code is available at : https://jihulab.com/healthcare-information-studio/SCC-YOLO/-/tree/master

arxiv情報

提供元, 利用サービス

arxiv.jp, Google