肩袖撕裂检测模型

超声诊断一致性提升

引入注意力机制的YOLOv7-CBAM模型，能自动识别超声图像中的肩袖撕裂，辅助医生提升诊断准确性和不同医生间的一致性。

Po-Cheng, Chen · Yi-Chou Wang, Alvin Yi Chou · Chang, Ching Ter · Lien, James Jier James

Arthroscopy - Journal of Arthroscopic and Related Surgery 2024

参数信息

测试集准确率

0.98

精确率

0.98

灵敏度

0.98

F1分数

0.980

平均精度均值（mAP@0.5）

0.993

医生诊断准确率（使用AI辅助后）

88.86 %

观察者间一致性

0.71

技术优势

诊断更准

YOLOv7-CBAM在测试集上的准确率达到0.98，优于原始YOLOv7的0.96，同时精确率从0.94提升到0.98。

医生一致性更高

使用AI辅助后，医生间诊断一致性从0.49提升至0.71，减少了不同医生判断的差异。

定位撕裂区域

Grad-CAM显示模型主要关注肌腱内的低回声/无回声缺损，为医生提供直观的可视化提示。

应用场景

• 超声诊断：在超声设备上实时识别肩袖撕裂，减少漏诊和误诊。
• 辅助诊断：为医生提供AI诊断建议，提升诊断一致性，尤其帮助经验不足的医生。
• 医学影像智能分析：自动分析超声图像中的肌腱缺损区域，生成热图提示，辅助临床决策。