使用 YOLO v7 在磁共振成像中检测肾脏
图像与视频处理
2024-02-13 v2 计算机视觉与模式识别
机器学习
摘要
引言 本研究探讨了使用最新的 You Only Look Once (YOLO V7) 目标检测方法，通过对医学图像格式进行训练和测试改进的 YOLO V7，来增强医学图像中的肾脏检测。方法 研究纳入了878名患有各种亚型肾细胞癌（RCC）的患者和206名肾脏正常的患者。共检索了1084名患者的5657份MRI扫描。从回顾性维护的数据库中招募了326名患有1034个肿瘤的患者，并在其肿瘤周围绘制了边界框。初级模型在80%的标注病例上进行训练，20%留作测试（初级测试集）。随后使用最佳的初级模型识别其余861名患者中的肿瘤，并利用该模型在其扫描上生成边界框坐标。利用在未分割患者上生成的坐标创建了十个基准训练集。最终模型用于在初级测试集中预测肾脏。我们报告了阳性预测值（PPV）、敏感性和平均精度均值（mAP）。结果 初级训练集显示平均PPV为0.94 +/- 0.01，敏感性为0.87 +/- 0.04，mAP为0.91 +/- 0.02。最佳初级模型的PPV为0.97，敏感性为0.92，mAP为0.95。最终模型的平均PPV为0.95 +/- 0.03，敏感性为0.98 +/- 0.004，mAP为0.95 +/- 0.01。结论 利用医学图像库的半监督方法，我们开发了一个高性能的肾脏检测模型。需要进一步的外部验证以评估模型的泛化能力。
引用
@article{arxiv.2402.05817,
title = {Using YOLO v7 to Detect Kidney in Magnetic Resonance Imaging},
author = {Pouria Yazdian Anari and Fiona Obiezu and Nathan Lay and Fatemeh Dehghani Firouzabadi and Aditi Chaurasia and Mahshid Golagha and Shiva Singh and Fatemeh Homayounieh and Aryan Zahergivar and Stephanie Harmon and Evrim Turkbey and Rabindra Gautam and Kevin Ma and Maria Merino and Elizabeth C. Jones and Mark W. Ball and W. Marston Linehan and Baris Turkbey and Ashkan A. Malayeri},
journal= {arXiv preprint arXiv:2402.05817},
year = {2024}
}