评估基于Grounding DINO、YOLO和DINO-DETR的 Stenosis 检测
计算机视觉与模式识别
2025-03-04 v1
摘要
检测冠状动脉造影中的 Stenosis 对诊断和管理心血管疾病至关重要。本研究使用MMDetection框架评估了在ARCADE数据集上使用的 state-of-the-art目标检测模型的性能。使用COCO评估指标评估这些模型，包括交并比（IoU）、平均精确率（AP）和平均召回率（AR）。结果表明，由于算法设计差异，基于变压器与基于卷积的架构之间，检测准确率存在差异。此外，在实现过程中遇到了一些挑战，例如PyTorch、CUDA和MMDetection之间的兼容性问题，以及ARCADE数据集中的数据不一致性。这些发现为选择用于冠状动脉疾病诊断的模型提供了见解，并突出了深度学习方法在冠状动脉疾病诊断中需要进一步改进的领域。
引用
@article{arxiv.2503.01601,
title = {Evaluating Stenosis Detection with Grounding DINO, YOLO, and DINO-DETR},
author = {Muhammad Musab Ansari},
journal= {arXiv preprint arXiv:2503.01601},
year = {2025}
}