现有单阶段目标检测算法在肺结节检测中结节检出不敏感，卷积神经网络（CNN）在特征提取时多次上采样导致微小结节特征提取困难、检测效果差，并且现存肺结节检测算法模型复杂，不利于实际应用部署落地。针对上述问题，提出一种结合注意力机制和多路径融合的实时肺结节检测算法，并在此基础上改进上采样算法，提升肺部结节的检测精度和模型推理速度，且模型的权重小容易部署。首先，在特征提取的主干网络部分融合通道和空间的混合注意力机制；其次，改进采样算法，提高生成特征图的质量；最后在加强特征提取网络部分，在不同路径之间建立通道，实现深层和浅层特征的融合，将不同尺度的语义和位置信息融合。在LUNA16数据集的实验结果表明，相较于原始YOLOv5s算法，所提算法的精确率、敏感度和平均精度分别提升9.5、6.9和8.7个百分点，帧率达到131.6 frame/s，模型权重文件仅有14.2 MB，表明了所提算法可以实时检测肺结节，并且精度远高于YOLOv3和YOLOv8等现有单阶段检测算法。
