基于 YOLOv8-X 的无线掏取内窥镜出血自动检测与分类
计算机视觉与模式识别
2024-12-24 v1 人工智能
摘要
胃肠道 (GI) 出血是消化系统障碍的关键指标，需要高效且准确的检测方法。本文提出了针对 Auto-WCEBleedGen Version V1 挑战的解决方案，我们取得了争光位置。我们开发了一个统一的 YOLOv8-X 模型，用于无线掏取内窥镜 (WCE) 图像中出血区域的检测与分类。我们的方法在验证数据集上实现了 96.10% 的分类准确率和 76.8% 的平均精度 (mAP) 0.5 IoU。通过仔细的数据集精选和标注，我们组建并训练了 6,345 张多样化图像以确保模型的稳健性能。我们的实现代码和训练好的模型已公开于 https://github.com/pavan98765/Auto-WCEBleedGen。
引用
@article{arxiv.2412.16624,
title = {Automated Bleeding Detection and Classification in Wireless Capsule Endoscopy with YOLOv8-X},
author = {Pavan C Shekar and Vivek Kanhangad and Shishir Maheshwari and T Sunil Kumar},
journal= {arXiv preprint arXiv:2412.16624},
year = {2024}
}
备注
11 pages, 4 figures, challenge