基于YOLOv8网络构建小肠多病变自动检测人工智能辅助系统

作     者：丁雨 孙斌 王甘红 夏开建 徐晓丹 陈健 DING Yu;SUN Bin;WANG Ganhong;XIA Kaijian;XU Xiaodan;CHEN Jian

作者机构：常熟市第一人民医院消化内科江苏苏州215500 常熟市尚湖中心医院消化内科江苏苏州215500 常熟市中医院消化内科江苏苏州215500 常熟市医学人工智能与大数据重点实验室江苏苏州215500 

出 版 物：《中国医疗设备》 (China Medical Devices)

年 卷 期：2025年第40卷第1期

页      面：20-25,40页

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 1002[医学-临床医学] 08[工学] 100201[医学-内科学(含：心血管病、血液病、呼吸系病、消化系病、内分泌与代谢病、肾病、风湿病、传染病)] 10[医学] 

基　　金：苏州市第二十三批科技发展计划项目(SLT2023006) 苏州市卫生信息学医学重点扶持学科资助(SZFCXK202147) 常熟市医药卫生科技计划项目(CSWS202316) 常熟市科技发展计划项目(CS202019) 苏州卫生信息与健康医疗大数据学会项目(SZMIA202402) 

主　　题：小肠病变 人工智能 胶囊内镜 目标检测 YOLO 迁移学习 

摘      要：目的基于单阶段检测框架的YOLOv8网络开发人工智能辅助系统,用于自动检测胶囊内镜(Capsule Endoscopy,CE)拍摄的11类小肠病变图像。方法本研究采用来自3种不同品牌CE设备的图像数据集进行深度学习模型的训练与测试,该数据集包含13683张图像和24416个注释标签。评估模型性能的指标包括准确度、敏感度、特异性、假阳性率以及检测速度。结果在对包含2729张CE图像(共4801个注释标签)的测试集进行评估时,YOLOv8m版本在确保高精度的同时,也展现了较快的推理速度,与其他YOLO版本相比展示了更加优异的性能。YOLOv8m在所有类别上的整体准确度为0.9597、敏感度为0.8176。在11个分类中,“出血类别的敏感度最高,达到0.9342,而“红斑类别的敏感度最低,为0.6832。就处理速度而言,YOLOv8m处理2729张图像的总耗时为16.37 s。结论基于YOLOv8m网络的人工智能模型能够快速精确地检测与分类多种小肠病变,在辅助内镜医师提升CE诊断效率和准确性方面展现出较大的应用潜力。