换一批基于YOLOv8网络建立结直肠息肉实时检测的人工智能辅助系统(含视频)
Establishment of an AI-assisted system(including video)for real-time detection of colorectal polyps based on the YOLOv8 network
摘要目的 利用2023年新推出的YOLOv8m网络,开发一款人工智能辅助系统,旨在实现腺瘤性息肉的自动定位和诊断.方法 使用4个结肠息肉数据集,总计包括9 411张静态图像和25段视频.所涵盖的息肉类别包括增生性息肉和腺瘤性息肉.利用LabelMe工具对图像进行标注,并将标注数据转换成适用于深度学习模型训练的YOLO格式.在模型训练方面,采用预训练的YOLOv5m和YOLOv8m模型,并结合实时数据增强以及多种图像处理技术进行迁移学习训练.模型性能的评估采用多个指标,包括敏感性、特异性、假阳性率和检测速度(每秒帧数,frames per second,FPS)、平均精度(mean average precision,mAP)等.此外,还使用混淆矩阵进行详细评估,并将模型的性能与不同资历的医师进行比较分析.结果 在对1 411个息肉的验证集进行评估中,YOLOv8m模型在多项性能指标上超越了 YOLOv5.YOLOv8m的整体准确率为98.58％,在腺瘤性息肉、增生性息肉检测的敏感性分别为98.06％和99.32％,特异性分别为99.33％和98.09％,不同类型息肉预测的mAP50为0.994.在与内镜医师的性能比较中,YOLOv8m模型在准确率(98.58％)和处理速度(60.61帧/s)方面均优于低年资(准确率为86.02％)和高年资内镜医师(准确率为93.14％),其处理速度是低年资内镜医师的67.2倍.结论 基于YOLOv8m网络的深度学习模型能够快速、精确地检测与分类结直肠息肉,在辅助内镜医师提高腺瘤性息肉检出率方面展现出很大的应用潜力.
更多相关知识
关键词
结直肠息肉深度学习深度卷积神经网络目标检测YOLOColorectal polypsDeep learningDeep convolutional neural networksObject detectionYOLO
栏目名称
DOI
10.3969/j.issn.1006-5709.2025.04.014
发布时间
2025-06-10（万方平台首次上网日期，不代表论文的发表时间）
基金项目
常熟市医学人工智能与大数据重点实验室能力提升项目（CYZ202301）
常熟市医药卫生科技计划项目（CS202019）
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）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
