换一批基于YOLO v11网络的小肠胶囊内镜病变自动分割AI系统开发
Development of an AI-assisted system for automated lesion segmentation in small bowel capsule endoscopy based on the YOLO v11 network
摘要目的 构建人工智能辅助系统,实现小肠胶囊内镜(SBCE)图像中8类病变的自动检测与分割.方法 整合3个数据集的SBCE图像,使用LabeMe工具多边形标注病变,并转换为YOLO模型兼容的格式,用于神经网络模型的训练、验证与测试,包含13 983张图像和17 911个注释标签.模型性能评估指标包括精确率、灵敏度、50%交并比阈值下的平均精度(mAP50)、50%～95%交并比阈值下的平均精度均值(mAP50～95)、推理速度等指标.结果 共开发出5种不同规模的YOLO v11分割模型(v11n、v11s、v11m、v11l、v11x).其中,YOLO v11m在保持最高mAP50(0.908)的同时,实现了较快的推理速度(208.3帧/s),因此被选为最佳模型.在外部测试集中,YOLO v11m对8类小肠病变的分割任务取得了0.892的总体mAP50,其中息肉和淋巴管扩张的分割精度最高,mAP50～95 分别为0.723和0.707,而出血类别的mAP50～95最低,仅为0.409.结论 基于YOLO v11神经网络开发的SBCE图像分割模型YOLO v11m具有良好的识别性能,能够自动实现多类别小肠病变的精准定位、分类,并准确勾勒病变的像素级轮廓.
更多相关知识
关键词
小肠病变胶囊内镜人工智能深度学习图像分割YOLO计算机视觉small bowel lesionsmall bowel capsule endoscopyartificial intelligencedeep learningimage segmentationYOLOcomputer vision
栏目名称
DOI
10.13885/j.issn.2097-681X.2025.07.003
发布时间
2025-09-28（万方平台首次上网日期，不代表论文的发表时间）
基金项目
江苏省苏州市第二十三批科技发展计划项目（SLT2023006）；
常熟市医药卫生科技计划项目（CSWS202316）；
常熟市医药卫生科技计划项目（CS202452）；
苏州卫生信息与健康医疗大数据学会项目（SZMIA2402）；
苏州市科技攻关计划项目（SYW2025034）；
常熟市医学人工智能与大数据重点实验室能力提升项目（CYZ202301）
- 浏览2
- 被引0
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
