面向robust glottal area waveform extraction and clinical pathology assessment 的检测门控管道
计算机视觉与模式识别
2026-05-08 v3 人工智能
机器学习
摘要
我们提出了一个完全自动化、两阶段模块化的高速视频内镜 (HSV) 软腔区分割框架，旨在实现高精度、广泛适用性和实时播放。我们的检测门控管道将 YOLOv8n 软腔局部检测器与 U-Net 分割器结合使用；局部检测器定义紧凑裁切以确保一致的视野范围，并对输出进行门控，以减少软腔闭合期间出现的不良分割。该模型在 GIRAFE (N=600) 和 BAGLS (N=55,750) 数据集上进行训练。评估跨数据集可移植性，通过在 BAGLS 测试集上对 GIRAFE 训练的模型进行基准测试（无需微调）。在这些评估中，管道在领域内上限的 87% 处达到 Dice 相似系数 (DSC) 为 0.745。在分布内测试集上，系统分别在 GIRAFE 和 BAGLS 上实现了 DSC 为 0.81 和 0.856，超越或与当前最先进方法相当。对 40 名受试者的探索性临床研究表明，软腔区系数变异 (CV) 能显著区分健康与病理功能 (p=0.006)。该系统在一般硬件上可达约 35 帧/秒，实现交互式临床审阅。该设计支持在不同获取设置下对 laryngeal 动力学测度实现统一提取。代码、模型权重和软件均已公开于 https://github.com/hari-krishnan/openglottal。
引用
@article{arxiv.2603.02087,
title = {A Detection-Gated Pipeline for Robust Glottal Area Waveform Extraction and Clinical Pathology Assessment},
author = {Harikrishnan Unnikrishnan and Rita Patel},
journal= {arXiv preprint arXiv:2603.02087},
year = {2026}
}
备注
for associated code see: https://github.com/hari-krishnan/openglottal