关键词:
体表肿瘤
YOLO模型
非标准图像
深度学习
摘要:
体表肿瘤作为整形外科学和皮肤病学的重要研究对象,其早期检测对改善患者预后至关重要。本研究提出了一种基于非标准化体表肿瘤图像的智能诊断框架,结合YOLO系列目标检测模型(v7至v10),针对十类常见体表肿瘤实现高效筛查。数据集来源于青岛大学附属医院整形外科的非标准临床图像,涵盖多样化的光照、设备和背景条件,模拟真实场景。实验结果表明,YOLOv10n在检测性能上表现最佳(F1分数0.912,mAP@0.5 0.912,总推理时间4.3 ms),YOLOv8n以0.952的卓越精度超越Faster R-CNN和EfficientDet等传统模型。尽管数据分布不均和图像变异性对稀有类别(如蓝痣)检测构成挑战,YOLO框架仍展现出较强的鲁棒性与实时性。本研究为非标准化场景下的体表肿瘤自动检测提供了技术支持,其轻量化设计适配智能手机等低成本设备,有望推动远程筛查应用,改善体表肿瘤早期诊断效率与患者预后。