基于YOLOv7的头皮病变自动检测平台
Hung Viet Nguyen1, Haewon Byeon1
1Department of Digital Anti-Aging Healthcare (BK21), Inje University, Gimhae, Republic of Korea.
Digital health
|September 12, 2024
概括
这项研究引入了YOLOv7用于头皮病变的自动检测,在头皮和红斑时达到98.6%的精度. 这种人工智能系统增强了皮肤病诊断,以改善头皮健康管理.
科学领域:
- 皮肤病学和计算机成像技术
- 医疗保健中的人工智能
背景情况:
- 头皮健康,包括头皮和红斑等疾病,是皮肤病学研究的日益增长的领域.
- 自动检测头皮病变对于及时诊断和治疗至关重要.
研究的目的:
- 使用YOLOv7模型开发一个基于网络的自动化系统,用于检测头皮病变,如头皮和红疹.
- 评估YOLOv7的性能与已建立的头皮病变识别深度学习模型相比.
主要方法:
- 使用了2200张临床头皮图像的数据集.
- 使用Roboflow预处理图像,并训练和评估YOLOv7模型.
- 性能与YOLOv5,YOLOF和单射探测器进行了比较,并与Flask API网络应用程序集成.
主要成果:
- YOLOv7的平均精度为98.6%,精度和回忆率分别为98.6%和97.2%.
- 在未见数据的训练和测试阶段,YOLOv7模型的表现优于基线模型.
结论:
- 这项研究证实了YOLOv7在诊断头皮病变方面的有效性.
- 这项研究突出了先进的人工智能模型在实际皮肤病医疗保健解决方案中的成功整合.
更多相关视频
12:50Lesion Explorer: A Video-guided, Standardized Protocol for Accurate and Reliable MRI-derived Volumetrics in Alzheimer's Disease and Normal Elderly
Published on: April 14, 2014
40.2K
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.8K
