张娜, 朱航彬, 艾佳林, 张艳
电脑与电信. 2025, 1(3): 14-17.
凭借速度和精度之间的良好平衡,YOLO(You Only Look Once)框架已成为目标检测最有效的算法之一。在医学脑肿瘤检测领域,基于YOLOv8算法提出了一种改进后的创新算法YOLOv8-BBS。它将双层路由注意力机制(BRA,Bi-Level Routing Attention)与双模态注意力机制(BiFormer)两种注意力机制,构建成双层特征融合框架,巧妙融合在YOLOv8的骨干网络中,实现全面捕捉图像细节与全局特征;为了解决数据集类别不平衡及样本识别难的问题,本算法引入了滑动损失函数SlideLoss,实现类别权重的动态调整,增强数据分类的准确性与鲁棒性。在脑肿瘤MRI数据集上的实验结果表明,本文提出的模型在速度和准确性方面优于YOLOv5、YOLOv8、YOLOv9和YOLOv10,YOLOv8-BBS的F1分数相较于YOLOv8提高了1%,准确率达到了81.8%,召回率为72.7%,证实了该模型在脑肿瘤检测中的有效性,为后续的医学成像和临床疾病诊断中的物体检测应用提供了新的思路。