通过YOLO-v8性能和临床影响,提高乳房扫描中的微化检测.
Wei-Chung Shia1,2, Tien-Hsiung Ku3,4
1Molecular Medicine Laboratory, Department of Research, Changhua Christian Hospital, Changhua 500, Taiwan.
Diagnostics (Basel, Switzerland)
|January 8, 2025
概括
YOLO-v8深度学习模型准确地检测乳腺微化,改善早期乳腺癌检测. 这种先进的对象检测为临床查应用提供了更高的速度和准确性.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 乳腺微化是乳腺癌的关键早期指标.
- 准确的检测对于及时诊断和治疗至关重要.
- 深度学习对象检测模型具有先进的微化识别.
研究的目的:
- 评估YOLO-v8对象检测算法用于乳腺微化检测.
- 与现有方法相比,评估YOLO-v8的性能和临床实用性.
主要方法:
- 利用了来自7615名具有微化的参与者的10323张乳房图的数据集.
- 采用YOLO-v8模型进行检测,使用五倍交叉验证进行验证.
- 性能指标包括准确性,回忆力,F1分数,mAP50和mAP50-95.
主要成果:
- YOLO-v8实现了高性能:mAP50的0.921,mAP50-95的0.709,F1得分的0.82.9的高性能.
- 与以前的技术相比,证明了更高的检测精度 (0.842) 和回忆 (0.796).
- 与Mask R-CNN等方法相比,检测速度和准确度都显著提高.
结论:
- YOLO-v8超越了传统的乳腺微化检测方法.
- 它的多尺度检测提高了大规模乳腺癌查的临床实用性.
- 未来的工作应该集中在微化的分类上,以帮助放射科医生.
更多相关视频
08:02Author Spotlight: Enhanced Quantification of Cardiovascular Calcification Progression for Longitudinal Micro PET/CT Studies in Small Research Animals
Published on: November 15, 2024
510
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.7K
