使用单阶段模型检测和分类乳房扫描中的病变
Mohammad Amin Sakha1, Ali Ameri1
1Department of Biomedical Engineering and Medical Physics, School of Medicine, Shahid Beheshti University of Medical Sciences, Tehran, Iran.
Journal of biomedical physics & engineering
|December 11, 2025
概括
YOLO-v12人工智能模型显著改善了乳腺癌检测在乳房影像中,优于其他方法. 这一进步为早期诊断和增强查应用提供了有前途的潜力.
科学领域:
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 乳腺癌是女性最常见的癌症,因此早期检测至关重要.
- 计算机辅助诊断 (CAD) 系统旨在改善乳房影像中的病变检测.
- 放射学中的人工智能 (AI) 显示了提高诊断准确性的潜力.
研究的目的:
- 为了比较对象检测模型的智能诊断系统在乳房摄影.
- 评估"你只看一次"版本12 (YOLO-v12) 架构的自动化病变检测,定位和恶性瘤评估.
- 将YOLO-v12与检测变压器 (DETR) 和乳房图分析的RetinaNet进行比较.
主要方法:
- 一项使用回顾性数据进行的比较实验研究.
- 在低能耗和减去对比度增强光谱乳房学 (CDD-CESM) 数据集的分类数字数据库上进行培训和测试模型.
- 采用1982张乳房图片,其中有3720个注释病变,用于模型评估.
主要成果:
- YOLO-v12实现了卓越的诊断准确性,平均平均精度 (mAP50) 为0.98和交叉超过联盟 (IOU) 为0.95.
- YOLO-v12显著优于当代模型和之前的YOLO版本.
- 该模型在检测和定位病变以及评估病变状况方面表现出高精度.
结论:
- 人工智能技术,特别是YOLO-v12,显示出有很大的潜力,可以帮助放射科医生早期检测乳腺癌.
- 这一发现支持YOLO-v12在临床乳房学查中的应用.
- 未来的研究应该专注于实时诊断系统,以进一步提高乳腺癌检测能力.
