关键词:
耳穴
深度学习
关键点检测
YOLO神经网络
人工智能
摘要:
目的:基于YOLOv8神经网络开发用于21个常用耳穴特征点自动检测的人工智能辅助系统。方法:收集2019年6月至2024年2月来自3个中心的人体耳部图像数据,共计660张。使用LabelMe5.3.1图形标注工具进行图像的矩形框和特征点标注,并转换为YOLO模型兼容的格式。利用这些数据,进行不同规模YOLO神经网络预训练模型的迁移学习和微调训练。在验证集和测试集上进行模型的性能评估,包括不同阈值下的平均精度(mAP)、召回率(recall)、推理速度(FPS)、混淆矩阵等。最后,将模型部署于本地计算机,并通过摄像头对人体耳部图像进行实时检测。结果:本研究开发了5种不同版本的YOLOv8关键点检测模型,包括YOLOv8n、YOLOv8s、YOLOv8m、YOLOv8l、YOLOv8x。在验证集上,YOLOv8n在速度(225.736帧/s)和精确率(0.998)上均表现最佳。在外部测试集上,YOLOv8n识别耳部的准确率为0.991、敏感性为1.0、F1分数为0.995。耳穴特征点定位性能结果显示,50%交并比阈值下的平均精度(mAP50)为0.990,精确率为0.995,召回率为0.997。结论:基于YOLOv8n构建的21个常用耳穴关键点检测模型具有良好的预测性能,能够自动快速地对耳穴进行定位和分类。