Успешное внедрение модели YOLOv8 представляет собой существенный прогресс в ринологии.
Группа исследователей из Системы здравоохранения Окснера изучили применение свёрточных нейронный сетей (CNN) для повышения точности и эффективности назальной эндоскопии.
Эндоскопия носа (НЭ) является важным диагностическим инструментом в ринологии, однако её эффективность может снижаться из-за сложного строения полости носа. В ходе исследования была изучена модель на основе CNN, предназначенная для точной локализации и сегментации важных ориентиров на изображениях назальной эндоскопии. В общей сложности 2111 изображений были сегментированы вручную тремя врачами.
Учёные настроили модель обнаружения объектов YOLOv8 для выполнения трёх задач: классифицировать наличие носовой раковины, определить её местоположение и применить маску сегментации, очерчивающую её границы. Трансферное обучение использовалось для улучшения производительности модели на изображениях НЭ посредством обратного распространения ошибки и стохастического градиентного спуска. Путём ручного выбора гиперпараметров и остановки обучения после 15-периодной остановки производительности проверки модель добилась впечатляющих результатов.
Модель идентифицировала нижнюю носовую раковину (IT) и среднюю носовую раковину (MT) со средней точностью 91,5% и 92,5% соответственно. При пороге достоверности 60% средняя оценка F1 модели составила 93,1%.
Способность модели точно идентифицировать и сегментировать IT и MT может помочь врачам более эффективно диагностировать и лечить заболевания носовых пазух.
Перевод выполнен журналистом издания Techno Dzen. При полном или частичном использовании материала гиперссылка обязательна.
Ранее Techno Dzen сообщил, что ИИ выявляет новый подтип высокого риска при раке эндометрия.