换一批人工智能YOLO-V8算法构建早期胃癌图像检测系统的临床意义
Research on the construction of image detection system for early gastric cancer by artificial intelligence YOLO-V8 algorithm
摘要目的 验证YOLO-V8 在胃癌内镜图像上的泛化性能,以评估其准确性和稳定性,完善YOLO-V8 系统,优化构建的EGC-YOLO-V8 人工智能系统,完善参数配置.方法 收集2020 年至2022 年宜兴市人民医院的胃镜图像病例,根据病理类型将其分为两类,包括早期胃癌图像(阳性样本)和非胃癌图像(阴性样本).将数据集划分为训练集和测试集.建立训练集,调整模型的参数,利用测试集进行模型选择,测试分析,设定阈值(Threshold),记录敏感度(Sensitivity),特异度(Specific-ity),精确度(Precision),约登指数(Youden Index),使用受试者工作特征(Receiver Operating Characteristic,ROC)曲线评估方法,计算曲线下面积(Area Under the Curve,AUC),来取得最佳泛化效果时的参数设置.结果 训练集 1 的 AUC 平均值0.769,对应最大约登指数 0.614,敏感度 0.723,特异度 0.891,精确度 0.844,对应阈值 0.01;训练集 2 的AUC平均值 0.804,对应最大约登指数 0.669,敏感度0.688,特异度0.981,精确度0.882,对应阈值0.02.结论 本研究最佳的阈值设定为0.02,最佳的训练集阳性和阴性样本的数量比例为 1∶2,系统能体现出更好的泛化性能.
更多相关知识
分类号
R735.2（消化系肿瘤）
栏目名称
DOI
10.3969/j.issn.1009-0460.2025.03.010
发布时间
2025-04-30（万方平台首次上网日期，不代表论文的发表时间）
基金项目
宜兴市卫生健康委员会重大项目（YXKY202209）
- 浏览0
- 被引1
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
