使用YOLO v7检测磁共振成像中的脏
Pouria Yazdian Anari1, Fiona Obiezu1, Nathan Lay2
1Radiology and Imaging Sciences, Clinical Center, National Institutes of Health, USA.
ArXiv
|June 21, 2024
概括
这项研究使用You Only Look Once (YOLO V7) 对象检测增强了脏检测,在医疗图像中识别脏方面实现了高精度. 开发的模型显示了改善脏成像诊断能力的前景.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 准确的脏检测对于诊断脏疾病至关重要,包括细胞癌 (RCC).
- 在医学成像中检测脏的传统方法可能耗时,可能缺乏精度.
研究的目的:
- 评估"你只看一次"版本7 (YOLO V7) 对象检测模型在医疗图像中检测脏的有效性.
- 开发和验证一个修改后的YOLO V7模型,用于在MRI扫描中增强脏和瘤定位.
主要方法:
- 一个修改后的YOLO V7模型被训练并测试了来自1084名患者的5657个MRI扫描数据集,包括具有RCC和正常脏的患者.
- 该研究涉及半监督学习,利用注释瘤和生成脏和瘤检测的界限框.
- 绩效使用诸如正预测值 (PPV),灵敏度和平均平均精度 (mAP) 等指标进行评估.
主要成果:
- 初级训练组实现了0.94的PPV,0.87的灵敏度和0.91.9的mAP.
- 最好的初级模型表现出优异的性能,PPV为0.97,灵敏度为0.92,mAP为0.95.
- 最终的模型实现了0.95的PPV平均值,0.98的灵敏度和0.95的检测的mAP.
结论:
- 开发的基于YOLO V7的模型显著提高了医疗成像中脏检测的准确性.
- 该模型显示了提高诊断病的效率和精度的潜力.
- 建议进行进一步的外部验证,以确认该模型在各种数据集中的通用性.


