一个语义功能增强了基于YOLOv5的网络,用于从结肠镜图像中检测聚
Jing-Jing Wan1, Peng-Cheng Zhu2, Bo-Lun Chen3
1Department of Gastroenterology, The Second People's Hospital of Huai'an, The Affiliated Huai'an Hospital of Xuzhou Medical University, Huaian, 223023, Jiangsu, China. wanjingjing85@163.com.
Scientific reports
|July 5, 2024
概括
这项研究引入了一种改进的YOLOv5模型用于结直肠癌 (CRC) 聚体检测,显著提高了准确性和回忆率. 这种新方法减少了在结肠镜检查期间错过的多体检测,改善了患者的治疗结果.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 胃肠病学 胃肠病学
背景情况:
- 结肠直肠癌 (CRC) 在全球具有很高的发病率和死亡率.
- 目前计算机辅助结肠镜检测多胞体面临诸如错过或错误检测等挑战.
- 提高聚合物检测准确度对于有效的结肠镜检查至关重要.
研究的目的:
- 提出一种基于YOLOv5的改进方法,用于准确检测结直肠癌的息肉.
- 为了增强特征表达和专注于结肠镜图像中的多特征.
- 为了解决现有的多检测算法的局限性.
主要方法:
- 将一种新的P-C3结构纳入YOLOv5脊柱和子网络.
- 引入一个具有协调注意力机制的上下文特征增强模块.
- 利用改进的YOLOv5架构进行增强的多尺度特征分析.
主要成果:
- 与传统算法相比,拟议的方法在聚检测准确度方面具有显著的优势.
- 改进的模型显示召回率显著增加,有效地减少了错过的多重体检测.
- 实验结果验证了该模型在识别多重体方面的卓越性能.
结论:
- 开发的基于YOLOv5的方法显著提高了在结肠镜检测中发现多的检测率.
- 这一进步有助于减少错误诊断,提高结直肠癌查的有效性.
- 这项研究对临床实践和内镜诊断的发展具有重要意义.
