基于改进的YOLOv8的内镜结直肠多体检测
概括
使用改进的YOLOv8模型的人工智能显著提高了在结肠镜检查期间结肠直肠多检测的准确性. 这种先进的计算机检测技术旨在克服手动片识别的局限性.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 胃肠病学 胃肠病学
背景情况:
- 大肠直肠瘤通常起源于多体,因此在结肠镜检查期间需要精确检测.
- 手动检测多胞胎的速度是有限的 (约. 25%),受到主观因素的影响.
- 改善的多胞体检测对于早期诊断和结直肠癌的治疗至关重要.
研究的目的:
- 在结直肠癌查中应用人工智能 (AI) 和深度学习来增强多检测.
- 评估一个改进的YOLOv8模型,以获得更高的多重体识别准确性和效率.
主要方法:
- 采用了改进的YOLOv8深度学习模型来自动检测多重体.
- 将人工智能模型的性能与现有的人工智能方法进行了比较.
主要成果:
- 改进的YOLOv8模型在检测结直肠多瘤方面表现出更高的准确性.
- 与其他人工智能技术相比,拟议的AI方法显示效率提高.
结论:
- 人工智能,特别是改进的YOLOv8模型,提供了一个有前途的解决方案,以提高多体检测率.
- 这项技术有可能通过克服手动检测的局限性来改善结直肠癌的早期诊断.


