首页|基于YOLO神经网络和迁移学习的结直肠息肉内镜图像分割

基于YOLO神经网络和迁移学习的结直肠息肉内镜图像分割

扫码查看
原文链接
  • 万方数据
  • 维普
目的 基于YOLOv8神经网络开发针对结直肠息肉内镜图像的语义分割模型.方法 收集2018年6月至2024年2月期间的结直肠息肉内镜数据,包括静态图像和视频.所有样本均经过病理学验证,分为锯齿状病变和腺瘤性息肉两类.使用LabelMe工具进行了图像的多边形标注,并转换为YOLO模型兼容的格式.利用这些数据,进行了不同规模的YOLO神经网络模型的迁移学习和微调训练.模型的性能在验证集和测试集上进行了评估,包括精确率(Precision)、检测速度、准确率(ACC)、平均交并比(mIoU)等指标.结果 本研究开发了 5种不同版本大小的YOLOv8语义分割模型,包括v8n、v8s、v8m、v8l、v8x.其中YOLOv8l在速度(107.5帧/s)和精确率(94.50％)达到了最佳平衡,在内部验证集中YOLOv8l的准确率达0.924,mIoU达83.06％,Dice系数达0.941.在外部测试集中,准确率为0.902,mIoU为80.08％,Dice系数为0.923.结论 基于YOLOv8l构建的结直肠息肉语义分割模型具有良好地预测性能,能够自动对息肉进行定位和分类,并精确描述息肉的像素级轮廓.

陈健、王甘红、夏开建、汤洪、徐晓丹、刘罗杰

展开 >

215500 常熟市第一人民医院消化内科

215500 常熟市中医院消化内科

215500 常熟市医学人工智能与大数据重点实验室

215500 常熟市辛庄人民医院消化内科

展开 >

结直肠息肉 深度学习 语义分割 YOLO 人工智能

苏州市第二十三批科技发展计划项目常熟市医学人工智能与大数据重点实验室能力提升项目常熟市科技计划项目

SLT2023006CYZ202301CY202339

2024

10.3969/j.issn.1672-2159.2024.05.018

现代消化及介入诊疗
广东省医学学术交流中心

现代消化及介入诊疗

CSTPCD
影响因子：1.019
ISSN：1672-2159
年,卷(期)：2024.29(5)
  • 2