.png){kind=icon}
返回
Colonic Polyp Detection with Object Detection Models
.png){kind=icon}
OA
AI
DOI：10.3390/computers15040258.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近年来，深度学习在医学图像分析中的应用日益广泛。深度学习的一种应用是在结肠镜检查中实现息肉的自动检测，以降低漏检率。本研究对九种用于结肠息肉检测的最先进目标检测模型进行了全面评估：YOLOv8、YOLOv9、YOLOv10、YOLO11、YOLO12、YOLO26、RT-DETR、YOLO-World和YOLOE。这些模型在三个公开数据集上进行了评估：CVC-ClinicDB、CVC-ColonDB和ETIS-LaribPolypDB。所有模型均在标准化条件下使用相同的超参数和数据增强策略进行训练，以确保公平比较。性能通过多种指标进行评估：mAP@50、mAP@50–95、F1分数、精确率、召回率、推理时间和计算成本。YOLO11表现出最佳的整体性能，在三个数据集上分别达到mAP@50分数0.995、0.944和0.978，同时保持约150毫秒每张图像的最快推理时间和第三低的计算成本21.3 GFLOPs。跨数据集泛化实验显示性能显著下降，当模型在未见数据集上测试时，mAP@50下降20–40%，凸显了在有限数据集下实现真正泛化的挑战。按息肉大小进行的统计分析表明，所有模型对大息肉的F1分数均超过0.95，但对小息肉的性能降至0.60–0.85，表明在检测小病灶方面存在局限性。失效模式分析显示，漏检、误报和边界错误占所有失败的60–75%，表明可能需要目标检测模型的领域自适应。
Keyword:
YOLO
object detection
deep learning
medical image analysis
colorectal cancer
colonic polyp detection
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
C
IF:
4.2
论文数:
1.5K
被引数:
3.3K
机构
引用论文
WM-DOVA maps for accurate polyp highlighting in colonoscopy: Validation vs. saliency maps from physicians在结肠镜检查中准确突出显示息肉的wm-dova地图: 医生的验证与显著性地图
PREAI
分享收藏Colorectal Polyp Detection Model by Using Super-Resolution Reconstruction and YOLO利用超分辨率重建和YOLO的结直肠息肉检测模型.png)
Electronics
OAAI
ElectronicsIF0
OAAI分享收藏A Deep Learning Approach for Histology-Based Nucleus Segmentation and Tumor Microenvironment Characterization基于组织学的细胞核分割和肿瘤微环境表征的深度学习方法MODERN PATHOLOGYOAAI
MODERN PATHOLOGYIF5.5
OAAI分享收藏Fast and Accurate Detection of Forty Types of Fruits and Vegetables: Dataset and MethodAGRICULTURE-BASELOAAI
AGRICULTURE-BASELIF3.6
OAAI分享收藏AI in Histopathology Explorer for comprehensive analysis of the evolving AI landscape in histopathology病理学中AI探索者：用于全面分析病理学领域内不断演变的AI格局NPJ DIGITAL MEDICINEOAAI
NPJ DIGITAL MEDICINEIF15.1
OAAI分享收藏Weng, W.C.; Huang, C.W.; Su, C.C.; Mukundan, A.; Karmakar, R.; Chen, T.H.; Avhad, A.R.; Chou, C.K.; Wang, H.C. Optimizing Esophageal Cancer Diagnosis with Computer-Aided Detection by YOLO Models Combined with Hyperspectral Imaging. Diagnostics 2025, 15, 1686. [Google Scholar] [CrossRef]Weng, W.C.; Huang, C.W.; Su, C.C.; Mukundan, A.; Karmakar, R.; Chen, T.H.; Avhad, A.R.; Chou, C.K.; Wang, H.C. 通过YOLO模型结合高光谱成像优化食管癌诊断中的计算机辅助检测。Diagnostics 2025, 15, 1686. [Google Scholar] [CrossRef]
IF0
PREAI
分享收藏
查看更多内容