| YOLOX目标检测模型用于自动识别数字减影血管造影图中的血管腔内介入器械 |
| |
| 引用本文： | 丰蕊,冯浩,宋超,夏士博,陆清声.YOLOX目标检测模型用于自动识别数字减影血管造影图中的血管腔内介入器械[J].中国介入影像与治疗学,2024,21(2):100-104. |
| |
| 作者姓名： | 丰蕊 冯浩 宋超 夏士博 陆清声 |
| |
| 作者单位： | 上海理工大学健康科学与工程学院, 上海 200093;上海航天能源股份有限公司, 上海 201400;海军军医大学第一附属医院血管外科, 上海 200433 |
| |
| 基金项目： | 国家重点研发计划项目（2018AAA0102603）。 |
| |
| 摘 要： | 目的 观察YOLOX目标检测模型用于自动识别数字减影血管造影（DSA）图中的血管腔内介入器械的价值。方法 收集37例接受腹部血管腔内介入治疗患者的DSA资料，截取4 435幅图像作为数据集，并按照9∶1比例将其分为训练集（n=3 991）与验证集（n=444）。对数据集中的6种介入器械进行标记后，以YOLOX算法对训练集数据进行深度学习训练，构建YOLOX目标检测模型；基于验证集评估该模型自动识别DSA图中的介入器械的效能。结果 共对4 435幅DSA图像设置6 668个标签，分别针对Terumo 0.035in泥鳅导丝（n=587）、Cook Lunderquist超硬导丝（n=990）、Optimed 5F带刻度猪尾导管（n=1 680）、Cordis MPA多功能导管（n=667）、Boston Scientific V-18可控导丝（n=1 330）及Terumo 6F长鞘（n=1 414）；训练集分别含上述标签527、875、1 466、598、1 185及1 282个，验证集分别含60、115、214、69、145及132个。YOLOX目标检测模型自动识别验证集中上述器械的像素准确率分别为95.23%、97.32%、99.18%、98.97%、97.60%及98.19%，平均像素准确率达97.75%。结论 YOLOX目标检测模型能够自动识别DSA图中的多种血管腔内介入器械。
|
| 关 键 词： | 血管造影术，数字减影 手术器械 深度学习 自动识别 |
| 收稿时间： | 2023/9/1 0:00:00 |
| 修稿时间： | 2023/11/23 0:00:00 |
YOLOX target detection model for automatically identifying endovascular interventional instruments on images of digital subtract angiography |
| |
| FENG Rui,FENG Hao,SONG Chao,XIA Shibo,LU Qingsheng.YOLOX target detection model for automatically identifying endovascular interventional instruments on images of digital subtract angiography[J].Chinese Journal of Interventional Imaging and Therapy,2024,21(2):100-104. |
| |
| Authors: | FENG Rui FENG Hao SONG Chao XIA Shibo LU Qingsheng |
| |
| Institution: | School of Health Science and Engineering, University of Shanghai for Science and Technology, Shanghai 200093, China;Shanghai Aerospace Energy Co., Ltd., Shanghai 201400, China;Department of Vascular Surgery, the First Affiliated Hospital of Naval Medical University, Shanghai 200433, China |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《中国介入影像与治疗学》浏览原始摘要信息 |
| 点击此处可从《中国介入影像与治疗学》下载免费的PDF全文 |
