换一批YOLOX目标检测模型用于自动识别数字减影血管造影图中的血管腔内介入器械
YOLOX target detection model for automatically identifying endovascular interventional instruments on images of digital subtract angiography
摘要目的 观察YOLOX目标检测模型用于自动识别数字减影血管造影(DSA)图中的血管腔内介入器械的价值.方法 收集37例接受腹部血管腔内介入治疗患者的DSA资料,截取4 435幅图像作为数据集,并按照9∶1比例将其分为训练集(n=3 991)与验证集(n=444).对数据集中的6种介入器械进行标记后,以YOLOX算法对训练集数据进行深度学习训练,构建YOLOX目标检测模型;基于验证集评估该模型自动识别DSA图中的介入器械的效能.结果 共对 4 435幅DSA图像设置 6 668个标签,分别针对Terumo 0.035in泥鳅导丝(n=587)、Cook Lunderquist超硬导丝(n=990)、Optimed 5F带刻度猪尾导管(n=1 680)、Cordis MPA多功能导管(n=667)、Boston Scientific V-18可控导丝(n=1 330)及Terumo 6F长鞘(n=1 414);训练集分别含上述标签 527、875、1 466、598、1 185及 1 282个,验证集分别含 60、115、214、69、145 及 132 个.YOLOX目标检测模型自动识别验证集中上述器械的像素准确率分别为95.23%、97.32%、99.18%、98.97%、97.60%及 98.19%,平均像素准确率达 97.75%.结论 YOLOX目标检测模型能够自动识别DSA图中的多种血管腔内介入器械.
更多相关知识
关键词
血管造影术,数字减影手术器械深度学习自动识别angiography,digital subtractionsurgical instrumentsdeep learningautomatic recognition
栏目名称
DOI
10.13929/j.issn.1672-8475.2024.02.008
发布时间
2024-03-08（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家重点研发计划（2018AAA0102603）
- 浏览0
- 被引3
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
