YOLOSAMIC:一种混合方法,用于皮肤癌细分,使用细分Anything模型和YOLOv8
Sevda Gül1, Gökçen Cetinel2, Bekir Murat Aydin2
1Department of Electronics and Automation, Adapazarı Vocational School, Sakarya University, 54050 Serdivan, Türkiye.
Diagnostics (Basel, Switzerland)
|February 26, 2025
概括
YOLOSAMIC是一种自动化皮肤病变细分工具,使用YOLOv8和细分任何模型 (SAM) -Box.准确地识别和细分癌症. 这种由人工智能驱动的系统有助于皮肤科医生早期发现皮肤癌.
科学领域:
- 皮肤病学和人工智能研究
- 医学图像分析 医学图像分析
背景情况:
- 全球皮肤癌发病率不断上升,需要先进的诊断工具.
- 早期发现皮肤癌对于有效干预至关重要.
- 目前的诊断方法需要提高准确性和效率.
研究的目的:
- 推出YOLOSAMIC,一种针对皮肤病变的全自动化细分框架.
- 将YOLOv8集成到病变检测和任何细分模型 (SAM) 盒中,以实现精确的细分.
- 开发一个可靠的系统,在没有人工干预的情况下进行复杂的皮肤病变分析.
主要方法:
- 使用了一组混合数据集,包括4228张皮肤显微镜图像 (公共和私人).
- YOLOv8进行了边界框检测,以定位病变.
- SAM-Box精细细分,对四种场景进行评估,并进行了废除研究.
主要成果:
- YOLOSAMIC实现了高细分精度:子得分为0.9399 (公共) 和0.8990 (混合).
- 雅卡德分数达到0.9112 (公共) 和0.8445 (混合).
- 该框架在各种数据集上表现出了稳定性和有效性.
结论:
- YOLOSAMIC提供了一个强大的,用于皮肤病变细分的自动化解决方案.
- 整合YOLOv8和SAM-Box可以提高细分精度.
- 这一框架可以作为皮肤科医生的一个有价值的AI驱动的决策支持工具.


