基于YOLO与MedSAM的肺结核病灶分割方法
邓东华
霍颖瑜
刘欣
摘要：人工智能在医学影像分析领域得到长足发展,文章提出肺结核YOLO-医学影像大模型(TB-YOLO-MedSAM)协同分割框架,旨在解决胸部X线图像中肺结核病灶分割面临的训练数据稀缺、特征提取能力不足及人工标注框提示依赖性强等问题.通过引入改进型TB-YOLOv8模型实现病灶区域的自动检测与提示框生成,结合低秩自适应技术对MedSAM进行参数高效微调,并设计了高效多尺度注意力模块与残差双向特征金字塔结构,以增强多尺度特征融合能力;选取佛山四院-TB数据集进行试验验证.结果表明,所提方法的戴斯相似性(Dice)系数和交并比(IoU)分别为0.746和0.701,分别优于原始MedSAM模型0.340和0.234,且显著优于U-Net、TransUNet、SwinUnet等主流分割模型.该方法不仅实现了肺结核病灶的精准分割,同时还能降低模型可训练参数量,为基层医院基于胸部X线摄影(CXR)的低算力肺结核病灶分割任务提供了可行方案.
关键词：肺结核深度学习大语言模型公共卫生胸部X线
分类号：TP391.4(计算技术、计算机技术)
论文发表日期：2025-07-31
页数：5( 73-77 )
英文信息