基于YOLO算法的血管介入导丝检测

作     者：李飞 张栩阳 梁世超 郑军 许尚栋 陈端端 LI Fei;ZHANG Xuyang;LIANG Shichao;ZHEN Jun;XU Shangdong;CHEN Duanduan

作者机构：北京理工大学生命学院北京100081 首都医科大学附属北京安贞医院心脏外科中心北京100029 北京市心肺血管疾病研究所北京100029 

出 版 物：《北京生物医学工程》 (Beijing Biomedical Engineering)

年 卷 期：2023年第42卷第4期

页      面：341-347页

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 08[工学] 0836[工学-生物工程] 

基　　金：国家自然科学基金(81970404) 北京市自然科学基金-海淀原始创新联合基金(前沿项目)(L192045)资助 

主　　题：YOLO算法 介入手术 导丝检测 多尺度检测 目标识别 

摘      要：目的为医生介入手术训练时提供更加直观的位置参考信息,设计了一种快速检测导丝位置的方法。方法以YOLO算法为基本框架,将视频帧中的导丝头端建模为单一检测目标,通过优化网格划分尺度来实现准确的导丝实时检测。本研究基于体外介入模拟操作平台共采集50个视频序列,从40个视频中随机收集8000张独立帧作为训练样本,基于10个完整视频序列收集的1960张独立帧进行算法测试,以预测框与真实框交并比为检测精度评价指标,并进一步分析非YOLO和YOLO方法在4个不同主动脉解剖区域的检测鲁棒性。结果在12×20网格尺度和交并比大于0.5为预测准确的条件下,YOLO算法的导丝检测的准确率达到了0.9954,检测帧率为333 fps。由于血管遮挡的干扰,非YOLO和YOLO方法在腹主动脉区域检测精度有所下降,但基于YOLO的检测方法能够有效降低血管遮挡的影响。结论基于YOLO算法能够实现更加精准的导丝检测,且在不同主动脉区域均表现出具有良好的鲁棒性,能够为医生介入手术训练过程提供实时有效的视觉辅助。