牙科病灶识别更准
该网络通过多尺度检测头、注意力机制和加权融合模块，增强牙科全景片中多种疾病的识别能力。
Wang, Qimeng · Zhu, Xingfei · Zhaofei, Sun · Bufan, Zhang · 俞经虎 · 钱善华
Computers in Biology and Medicine 2025
mAP达到86.7%，比原始YOLOv8s提升3.2%，超越其他主流算法。
新增的小目标网络结构针对牙科疾病中多尺度和显著尺寸差异的目标，引入不同尺度的检测头，提高对各种牙科疾病的识别能力。
集成HCSA注意力机制，缓解全景片中组织偏移或重叠问题，使模型专注于疾病特定区域的特征提取。
重新设计的加权融合模块增强了跨尺度特征的利用，提升模型的特征表示能力。