改进YOLOv7算法的龋齿图像检测

针对口腔医疗资源紧缺和龋齿治疗效率不足的问题,提出一种改进YOLOv7的龋齿图像检测算法,旨在协助医生进行更有效的医疗诊断,同时增强患者对预防龋齿的意识。首先,在YOLOv7算法的主干网络引入ECA-MobileOne网络模块代替原有的ELAN模块,降低模型参数量,提高对小目标龋齿特征的有效提取;其次,在特征图输出层采用自适应特征融合(ASFF),自适应地学习各尺度特征图在融合时的空间权重,充分获取口腔图像中不同尺度下的关键特征,提高检测的全局性和准确性;另外,采用soft-NMS算法替换原有的非极大值抑制算法(NMS),在牙齿异位或重叠等情况下能更有效地提升检测效果。使用在保定市第二医院口腔科采集的口腔照片数据集进行实验,结果显示,改进后的算法mAP达到93.4%,相较于原始YOLOv7算法提高了5.5%,并且与当前主流算法相比,具有一定的先进性,为促进口腔健康的整体改善提供了新的技术支持。

资料为PDF文档格式.

本文档关键词:龋齿,算法,图像,改进,YOLOv7