深度学习与临床实践相结合:一个基于"你只看一次"的框架,用于准确和实时检测动脉脆弱斑块
1Huainan Xinhua Medical Group Xinhua Hospital (Xinhua Hospital Affiliated to Anhui University of Science and Technology), Department of Medical Ultrasound, China.
The Journal of international medical research
|February 23, 2026
概括
这项研究开发了一个使用You Only Look Once版本9的自动深度学习框架,用于从超声波图像中检测动脉斑块. 该框架准确地识别了易受伤害的斑块,有助于预防缺血性中风.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 心血管疾病 心血管疾病
背景情况:
- 在预防缺血性中风方面,早期检测带易受损伤的斑块至关重要.
- 超声波图像的自动分析可以提高诊断准确性和效率.
研究的目的:
- 开发和评估一个自动化的深度学习框架,用于状腺斑块检测和分类.
- 为此任务比较不同You Only Look Once (YOLO) 模型的性能.
主要方法:
- 使用了1610张带超声波图像的回顾性多中心数据集.
- 四个YOLO模型 (版本7,8,9和10) 被训练和评估.
- 用平均精度,精度,回忆和F1分数来评估性能.
主要成果:
- 你只看一次版本9在检测和分类稳定和脆弱的动脉斑块方面表现出卓越的性能.
- 在验证和测试集中,YOLOv9获得了最高的平均精度,精度,回忆和F1得分.
结论:
- 基于YOLOv9的框架提供了准确和高效的动脉斑块检测和分类.
- 这项技术支持实时评估缺血性中风预防的斑块脆弱性.
