在无线视频囊内镜图像中使用YOLO-V8网络进行多损伤细分
Ali Sahafi1, Anastasios Koulaouzidis2,3,4,5, Mehrshad Lalinia1
1Department of Mechanical and Electrical Engineering, Digital and High-Frequency Electronics Section, University of Southern Denmark, 5230 Odense, Denmark.
Diagnostics (Basel, Switzerland)
|March 13, 2024
概括
使用无线囊内镜 (Wireless Capsule Endoscopy,简称WCE) 自动检测多体显示出早期胃肠道癌症预防的前景. YOLO-V8深度学习模型显著提高了WCE图像中的聚体识别精度.
科学领域:
- 胃肠病学和医学成像学
- 医疗保健中的人工智能
背景情况:
- 胃肠道疾病,包括小肠瘤 (SBTs) 和结直肠癌 (CRC),正在增加,特别是在年轻人群中.
- 早期检测和去除多,恶性瘤的前体,对于预防胃肠道癌症至关重要.
- 无线囊内镜 (WCE) 产生了大量的成像数据,需要有效的自动化分析来检测聚.
研究的目的:
- 审查和评估WCE图像的计算机辅助多体检测方法.
- 评估YOLO-V8深度学习模型的性能,用于WCE图像中的自动聚细分.
主要方法:
- 计算机辅助检测方法的回顾 在消化道成像中检测聚.
- 对YOLO-V8深度学习模型的评估,使用标记的GI异常和WCE.发现的标记数据集.
- 与现有的多胞体检测方法进行比较分析.
主要成果:
- 与现有方法相比,YOLO-V8深度学习模型在聚细分方面表现出优异的性能.
- 通过YOLO-V8模型从WCE图像中识别聚,实现了高精度和回忆.
- 这项研究验证了自动化系统在增强GI多识别方面的有效性.
结论:
- 使用深度学习的自动化多片细分,特别是YOLO-V8,具有显著的潜力,可以改善早期检测GI多.
- 这项技术可以帮助预防胃肠道癌症,因为它有助于及时去除聚.
- 这些发现强调了先进的人工智能在管理与胃肠道疾病有关的公共卫生问题的价值.
