51黑料吃瓜在线观看,51黑料官网|51黑料捷克街头搭讪_51黑料入口最新视频

目的 在超聲心動(dòng)圖像檢測中，心臟瓣膜檢測面臨復(fù)雜背景干擾、目標(biāo)小等問題，容易出現(xiàn)漏檢、誤檢等。本文提出了一種用于超聲心動(dòng)圖動(dòng)態(tài)檢測中心臟瓣膜實(shí)時(shí)識(shí)別與定位的改進(jìn)YOLOv8算法。方法 在改進(jìn)YOLOv8算法中，基于YOLOv8模型進(jìn)行優(yōu)化，引入深度分離卷積擴(kuò)大感受野，有效捕捉不同尺度的特征并保留細(xì)粒度空間信息，提升特征傳遞能力，降低誤檢率；采用坐標(biāo)注意力模塊(coordinate attention, CA)將位置信息整合到通道注意力中，使網(wǎng)絡(luò)能更有效地關(guān)注廣泛區(qū)域，增強(qiáng)細(xì)粒度特征提取，提高檢測準(zhǔn)確性和泛化性能；通過多尺度特征增強(qiáng)模塊(multi-scale feature enhancement module, MSFE)利用多分支卷積和多尺度連接多通道特征圖以增加網(wǎng)絡(luò)對(duì)小尺寸目標(biāo)的適應(yīng)性；使用α-Focal EIoU損失函數(shù)提高邊界框回歸精度，增強(qiáng)模型對(duì)小目標(biāo)的關(guān)注。結(jié)果 針對(duì)以上模塊的消融實(shí)驗(yàn)中，各模塊的引入和優(yōu)化顯著提升了算法整體性能。改進(jìn)后的YOLOv8模型在三尖瓣、二尖瓣和主動(dòng)脈瓣檢測中，mAP相比于基線YOLOv8提高6.9%,達(dá)到98.1%,其中，精確度為98.6%,召回率為97.6%,推理速度為33.2 FPS。結(jié)論 相比于YOLOv5、SSD、Faster RCNN、RCNN和DETR等算法，改進(jìn)YOLOv8算法在性能上有明顯提升。基于消融實(shí)驗(yàn)分析可知，優(yōu)化損失函數(shù)、坐標(biāo)注意力模塊和多尺度特征增強(qiáng)模塊顯著提升了模型性能，深度分離卷積網(wǎng)絡(luò)則主要提升了計(jì)算效率。改進(jìn)YOLOv8算法有助于超聲圖心臟瓣膜快速檢測的自動(dòng)化實(shí)現(xiàn)，為后續(xù)基于心臟瓣膜的醫(yī)學(xué)分析奠定基礎(chǔ)。