相关实验视频
Updated: Jun 28, 2026
08:20
A Hyperandrogenic Mouse Model to Study Polycystic Ovary Syndrome
Published on: October 2, 2018
11.2K
F-Net:毛囊网是一种有效的工具,用于诊断多囊性卵巢综合征,使用深度学习技术
Sowmiya S1, Snekhalatha Umapathy1, Omar Alhajlah2
1Biomedical Engineering Department, Faculty of Engineering and Technology, SRM Institute of Science and Technology, Chennai, Tamil Nadu, India.
PloS one
|August 15, 2024
概括
这项研究引入了一种自动化方法来检测多囊卵巢综合征 (PCOS) 使用You Only Look Once (YOLO) v8用于卵巢毛囊识别和定制深度学习模型,毛囊网 (F-Net),用于准确的分类.
科学领域:
- 医疗成像医学成像
- 医疗保健中的人工智能
- 卵巢卵泡分析 卵巢卵泡分析
背景情况:
- 多囊性卵巢综合征 (PCOS) 诊断依赖于确定卵巢形态,包括卵泡数.
- 超声波图像的自动分析可以提高PCOS的诊断效率和准确性.
研究的目的:
- 开发和验证一个用于卵巢卵泡检测和PCOS分类的自动化系统.
- 为了比较用于PCOS检测的各种机器学习 (ML) 和深度学习 (DL) 模型的性能.
主要方法:
- 使用You Only Look Once (YOLO) v8.8.使用卵巢卵泡的物体检测.
- 毛囊细分通过混合模糊c-means-based主动轮技术.
- 使用灰级共发生矩阵 (GLCM) 提取特征.
- 使用ML模型 (随机森林,k星,SGD) 和DL模型 (移动网络,ResNet152V2,DenseNet121,视觉变压器和定制的F-Net) 的分类.
主要成果:
- 定制的毛囊网 (F-Net) 模型在PCOS分类中取得了最高的准确性.
- F-Net在数据集1上显示了95%的准确性,在数据集2上显示了97.5%的准确性.
- YOLOv8有效地检测出卵巢毛囊,用于随后的分析.
结论:
- 开发的自动化系统,特别是F-Net模型,显示了准确的PCOS诊断的巨大潜力.
- 这种方法为区分正常病例和PCOS病例提供了有效的工具.
- 自动毛囊检测和分类可以简化PCOS诊断.
