2方向のYOLOv10で,MRIで脳腫瘍を検出するための平均収縮率

科学分野:

• メディカルイマージング (医学イメージング)
• 人工知能 (AI) とは,人工知能 (AI) のことです.
• コンピュータビジョン コンピュータビジョン

背景:

• 医療従事者は,脳腫瘍の評価のためにMRIスキャンを使用し,疲労と主観的な解釈の課題に直面しています.
• 自動検知システムは,診断の正確性と効率を向上させるために不可欠です.

研究 の 目的:

• YOLOv10オブジェクト検出モデルの強化により,脳腫瘍検出の精度が向上します.
• AvConvモジュールと双方向パスウェイの有効性を導入し,評価する.

主な方法:

• AvConvモジュールとバイディレクショナル・パスウェイをYOLOv10アーキテクチャに統合.
• 2つのKaggleデータセット (1116と153の画像) で実施された実験は,脳腫瘍について注釈されている.
• 強化されたモデルと8つの主流のオブジェクト検出方法の比較.

主要な成果:

• AvConvモジュールは,YOLOv10のmAP50を0.3% (88.5%) 改善し,mAP50-95を3.1% (77.7%) 改善しました.
• 双方向検出モデルは90.3%のmAP50と83.5%のmAP50-95を達成し,ベースラインのYOLOv10.0を上回りました.
• 提案されたモジュールは,検出精度において著しく向上し,競争力のある推論効率を維持しました.

結論:

• 統合されたAvConvモジュールと双方向パスウェイは,脳腫瘍検出のためのYOLOv10を効果的に強化します.
• パーソナライズされたディープラーニングアーキテクチャは,信頼性の高い自動脳腫瘍診断の有望性を示しています.
• この研究は,医療従事者がMRIスキャンを解釈するのを助けるための高度なAIツールの開発を支援しています.