基于深度学习的自动冠状动脉物体检测
原文中文，约300字，阅读约需1分钟。发表于：。在数字医学时代，医学影像作为一种广泛应用的早期疾病检测技术，在每天产生和储存的电子病历中产生大量的影像。在这篇论文中，我们利用目标检测方法对 X 射线血管造影图像进行分析，精确地确定冠状动脉狭窄的位置，从而实现了对狭窄位置的自动实时检测，帮助医护人员进行重要而敏感的决策过程。
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。
