近期，计算机学院徐胜舟老师在中科院TOP期刊IEEE Journal of Biomedical and Health Informatics（原名为IEEE Transactions on Information Technology in Biomedicine，五年影响因子7.1）上发表了题为《ERetinaNet: An efficient neural network based on RetinaNet for mammographic breast mass detection》的高水平论文（论文链接：https://ieeexplore.ieee.org/document/10457004）。该论文受到了湖北省自然科学基金和中央高校基本科研业务费资助。徐胜舟老师为通讯作者，研究生陈罗林为论文第一作者，15vip太阳集团官网为第一署名单位。

乳腺X光检查是一种有效的乳腺疾病诊断方法，计算机辅助检测系统在乳腺肿块的检测中发挥着重要作用。然而，低对比度和周围组织的干扰使得肿块的检测具有挑战性。论文提出了一种高效的ERetinaNet网络，以提高乳腺肿块检测的准确性和推理速度。

ERetinaNet网络模型  徐胜舟 供图

ERetinaNet引入了高效模块，以促进综合特征的提取，同时简化网络结构以提高推理速度。首先提出了一种更快的FRepVGG架构作为主干网络，该架构利用了三种有效策略：1）在训练过程中使用的多分支结构增强了学习能力，通过重参数化技术在推理时等效转换为单路径结构，从而加速检测速度。2）提出了提取操作，以浓缩中间层的特征。3）在每个阶段的最后一层添加了有效的多光谱通道注意力（eMCA）模块，使网络能够更加关注目标区域。此外，将视觉变换器（ViT）添加到ERetinaNet中，使其能够学习全局语义信息。检测头被简化，以使ERetinaNet更加高效。

实验结果表明，ERetinaNet的平均精度均值（mAP）从原始RetinaNet的79.16%提高到85.01%，并显著缩短了推理时间。此外，ERetinaNet的检测准确率优于其他优秀的目标检测网络。

徐胜舟老师一直从事医学影像处理与分析及深度学习方面的研究工作，已主持完成国家自然科学基金项目和湖北省自然科学基金项目各1项，在国内外学术刊物上发表相关论文50余篇。