一种基于改进YOLOv8与VGG19模型的内窥镜图像检测方法技术

本发明专利技术提供一种基于改进YOLOv8与VGG19模型的内窥镜图像检测方法，包括获取内窥镜图像数据集；对获取到的内窥镜数据集进行预处理，得到第一训练集和第二训练集；对YOLOv8检测模型进行优化，得到改进型YOLOv8算法模型；利用第一训练集对改进型YOLOv8算法模型进行训练，得到训练结果和训练后的改进型YOLOv8算法模型；利用第二训练集对VGG19分类网络进行训练，得到训练结果和训练后的VGG19分类模型；判断训练结果是否达到预期效果；如是，在Streamlit平台上，利用训练后的改进型YOLOv8算法模型和VGG19分类模型对输入结直肠息肉的内窥镜图像进行检测。本发明专利技术用于解决人工检测中存在的工作效率低，拟合能力低，准确率低差等问题，提高了目标检测的效果，进而提高了诊断的效果。

【技术实现步骤摘要】

本专利技术涉及ai图像识别分类，具体涉及一种基于改进yolov8与vgg19模型的内窥镜图像检测方法。

技术介绍

1、结直肠肿瘤一般由结肠息肉发展而来，而在临床检测中一般通过肠镜检测进行息肉良恶性判断，医生通过观察内窥镜拍摄的肠道图像来确定息肉的位置与息肉的类型。该工作量大，重复机械劳动多。这对医生来说是个巨大的考验，同时息肉人工漏检率约为22％，增生性和腺瘤性息肉的诊断准确率通常低于70％。

2、近年来，人工智能的发展也意味着其能够利用独有的优势应用到这类检测场景，人工智能的应用可以有效减少医师诊断的工作压力，提高工作效率。

3、具体方案是利用人工智能目标检测技术对内窥镜图像的息肉区域进行标记勾画出来，再将该区域送入到人工神经网络进行分类处理，最终便可以得出息肉的位置与息肉类别的诊断结果数据。但是由于目标区域相比于背景占图像的整体比例并不高，因此如何优化检测网络对目标的提取技术尤为重要。此外检测网络勾画的区域会存在一定的偏移，这就意味着人工神经网络需要有很好的拟合能力来对存在偏移的目标区域做出准确的类别判断。</p>

4、针对本文档来自技高网...

【技术保护点】

1.一种基于改进YOLOv8与VGG19模型的内窥镜图像检测方法，其特征在于，该方法包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，所述对获取到的内窥镜数据集进行预处理，包括：

3.根据权利要求1所述的方法，其特征在于，所述将所述数据集0进行色彩偏差检测和白平衡处理，包括：

4.根据权利要求1所述的方法，其特征在于：

5.根据权利要求4所述的方法，其特征在于：

6.根据权利要求1所述的方法，其特征在于：

7.根据权利要求6所述的方法，其特征在于，所述得到改进型YOLOv8算法模型，包括：

8.根...

【技术特征摘要】

1.一种基于改进yolov8与vgg19模型的内窥镜图像检测方法，其特征在于，该方法包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，所述对获取到的内窥镜数据集进行预处理，包括：

3.根据权利要求1所述的方法，其特征在于，所述将所述数据集0进行色彩偏差检测和白平衡处理，包括：

4.根据权利要求1所述的方法，其特征在于：

5.根据权利要求4所述的方法，其特征在于：

6.根据权利要求...

【专利技术属性】
技术研发人员：刘少军，黄金财，曾健源，彭锦峰，
申请(专利权)人：深圳技术大学，
类型：发明
国别省市：