改进Salience-DETR的多部位小目标病灶检测算法

来源：电子测量技术杂志2025年第19期北京时间：

作者：张茜，武雨露，郑冰洁，董洁，杨关

单位：1.中原工学院人工智能学院 郑州 450007; 2.中原工学院计算机学院 郑州 450007; 3.河南省肿瘤医院放射科 郑州 450008; 4.华北水利水电大学信息工程学院 郑州 450046

摘要：多部位病灶检测在临床中具有重要意义，但不同部位的病灶在大小和形状上差异较大，且CT图像中病灶区域通常较小、病灶区域与周围背景相似，导致检测难度较大。针对上述问题，提出了一种基于Salience-DETR模型改进的多部位小目标病灶检测算法。首先，设计一种高效空间通道协同注意力机制ESCA，用于对Backbone提取的多尺度特征进行重构，加强模型对病灶重要信息的关注；其次，结合DenseASPP和AugFuison模块对跨层token融合网络进行优化，增强不同层级特征的多尺度融合能力；最后，引入Inner-GIoU损失函数，加速模型收敛并提高小目标病灶的检测性能。实验结果显示，在每张图像假阳性数目为0.5至4的情况下，改进后的模型在公开数据集DeepLesion和外部验证集上的平均检测灵敏度分别达到了83.26%和82.33%。可见，所提算法在多部位小目标病灶检测任务中表现出较高的检测精度和良好的泛化能力，具有一定的实际临床应用价值。

关键词：病灶检测;小目标;多尺度特征融合;Salience-DETR;注意力机制;Inner-GIoU

基金资助：国家自然科学基金(82202270)、河南省自然科学基金青年科学基金(252300420995)、河南省高等学校重点科研项目(24B520048)资助