基于深度学习的自动冠状动脉物体检测
该研究提出了一种基于X射线血管造影图像的自动冠状动脉疾病诊断方法,通过预处理和特征选择提高血管分割准确性,利用YOLOv8生成血管图像并重构冠状血管树。在ARCADE挑战中,该方法获得第三名,验证集和保留集的F1得分分别为0.422和0.4289。
原文中文,约300字,阅读约需1分钟。
该研究提出了一种基于X射线血管造影图像的自动冠状动脉疾病诊断方法,通过预处理和特征选择提高血管分割准确性,利用YOLOv8生成血管图像并重构冠状血管树。在ARCADE挑战中,该方法获得第三名,验证集和保留集的F1得分分别为0.422和0.4289。