使用YOLO-BT对MRI图像进行高效的大脑瘤细分.
Mengying Xiong1, Aiping Wu2, Yue Yang3
1School of Electronic Information and Electrical Engineering, Yangtze University, Jingzhou 434023, China.
Sensors (Basel, Switzerland)
|June 27, 2025
概括
这项研究介绍了YOLO-BT,这是一种改进的脑瘤细分算法,用于MRI图像. 与现有方法相比,YOLO-BT提高了不规则瘤的检测准确度和效率.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 计算机视觉 计算机视觉
背景情况:
- 在MRI图像中的脑瘤细分因不规则的形状和尺寸变化而面临挑战,影响准确性和效率.
- 现有的算法难以准确检测和细分复杂的脑瘤.
研究的目的:
- 开发一个先进的脑瘤细分算法,YOLO-BT,以解决精度和效率的局限性.
- 提高MRI扫描中不规则形状和可变大小的大脑瘤的检测和细分.
主要方法:
- YOLO-BT使用了UNetV2作为一个有注意力机制的骨干,用于增强功能提取.
- 包含BiFPN结构,用于跨尺度特征的双向融合,取代传统的拼接.
- 集成D-LKA机制与大型卷积内核,以改善复杂和不规则的瘤结构的特征.
主要成果:
- 与YOLOv11相比,YOLO-BT在候选盒和基于面具的评估中显示了精度,回忆,mAP50和mAP50-95的显著改善.
- 实现了对欧盟平均交叉点 (mIOU) 的6.1%的增长和对子系数的3.6%的增长.
- 该算法显示增强了对不同尺度和不规则形状的瘤进行表征的能力.
结论:
- 拟议的YOLO-BT算法是有效的,适用于MRI图像中的脑瘤检测和细分.
- 整合UNetV2,BiFPN和D-LKA机制显著提高了对具有挑战性的脑瘤病例的细分性能.
