换一批基于YOLOv8网络构建小肠多病变自动检测人工智能辅助系统
Establishing an AI-Assisted System for Automatic Detection of Multiple Lesions in Small Intestine Based on YOLOv8 Network
摘要目的 基于单阶段检测框架的YOLOv8网络开发人工智能辅助系统,用于自动检测胶囊内镜(Capsule Endoscopy,CE)拍摄的11类小肠病变图像.方法 本研究采用来自3种不同品牌CE设备的图像数据集进行深度学习模型的训练与测试,该数据集包含13683张图像和24416个注释标签.评估模型性能的指标包括准确度、敏感度、特异性、假阳性率以及检测速度.结果 在对包含2729张CE图像(共4801个注释标签)的测试集进行评估时,YOLOv8m版本在确保高精度的同时,也展现了较快的推理速度,与其他YOLO版本相比展示了更加优异的性能.YOLOv8m在所有类别上的整体准确度为0.9597、敏感度为0.8176.在11个分类中,"出血"类别的敏感度最高,达到0.9342,而"红斑"类别的敏感度最低,为0.6832.就处理速度而言,YOLOv8m处理2729张图像的总耗时为16.37 s.结论 基于YOLOv8m网络的人工智能模型能够快速精确地检测与分类多种小肠病变,在辅助内镜医师提升CE诊断效率和准确性方面展现出较大的应用潜力.
更多相关知识
关键词
小肠病变人工智能胶囊内镜目标检测YOLO迁移学习small intestine lesionsartificial intelligencecapsule endoscopyobject detectionYOLOtransfer learning
栏目名称
DOI
10.3969/j.issn.1674-1633.20240584
发布时间
2025-03-17（万方平台首次上网日期，不代表论文的发表时间）
基金项目
苏州市第二十三批科技发展计划项目（SLT2023006）；
苏州市卫生信息学医学重点扶持学科资助（SZFCXK202147）；
常熟市医药卫生科技计划项目（CSWS202316）；
常熟市科技发展计划项目（CS202019）；
苏州卫生信息与健康医疗大数据学会项目（SZMIA202402）
- 浏览16
- 被引1
- 下载8
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
