计算机科学与探索

作者：包强强, 唐思源, 李擎乾, 王乃钰, 杨敏, 谷宇, 赵金亮, 高婧博, 王嘉欣, 曲禹涵

单位：1. 内蒙古科技大学 数智产业学院，内蒙古 包头 0140102. 内蒙古科技大学包头医学院 计算机科学与技术学院，内蒙古 包头 0140403. 内蒙古科技大学包头医学院 图书馆，内蒙古 包头 0140404. 内蒙古科技大学 数智产业学院 内蒙古自治区模式识别与智能图像处理重点实验室，内蒙古 包头 014010

关键词：多类型肺结节检测,YOLOv8,RepViTCAA,ECLA-HSFPN,KAN,Inner-IoU

基金：内蒙古自然科学基金（2021MS06026，2024LHMS06006，2024MS06008）；内蒙古自治区卫生健康委员会项目（202201395）；包头市卫生健康科技计划项目（wsjkkj2022120）；中央引导地方科技发展资金项目（2021ZY0004）；内蒙古自治区高等学校青年科技英才计划项目（NJYT23057）；内蒙古科技大学基本科研业务费专项资金（042）；内蒙古自治区大学生创新创业训练计划项目（s202310130004，s202410130004）。

目前，肺结节检测通常是对实性肺结节的单一型检测，不同类型肺结节对应多种肺癌类型，多类型检测有助于提高肺癌的整体检出率，提升治愈率。为实现对实性、混合型、磨玻璃型多类型肺结节检测，对YOLOv8模型进行针对性改进。提出RepViTCAA模块对主干部分的C2f模块进行改进，提升微小肺结节检测精度并对模型进行轻量化设计。提出ECLA-HSFPN模块，重建模型特征融合部分，提升尺度不固定肺结节检测精度。将KAN网络融入模型当中，基于KAN网络非线性特征学习能力强的特性，进一步提升微小肺结节检测精度，增强模型泛化能力。基于Inner-IoU辅助框思想，对CIoU损失函数进行改进，进一步解决肺结节尺度不固定问题，提升模型检测精度。在LUNA16数据集中进行测试，改进模型相比原模型及YOLOv9、RT-DETR等主流模型各项评价指标均有提升。在4种类型（实性、磨玻璃型、混合型、微小型）肺结节的专项数据集中测试，改进模型检测效果优于原模型。在LUNA16与本地医院的混合数据集中进行泛化性测试，改进模型具有较强的泛化能力。针对多类型肺结节检测任务，模型的改进较为有效，可以准确检测不同类型的肺结节。

来源：2025年第2期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2025年第2期