来源：期刊VIP网 时间：
作者：王甘红;张子豪;夏开建;周燕婷;奚美娟;陈健;
单位：常熟市中医院消化内科;上海豪兄教育科技有限公司;常熟市医学人工智能与大数据重点实验室;常熟市第一人民医院消化内科;
摘要：目的：基于YOLOv8神经网络开发用于21个常用耳穴特征点自动检测的人工智能辅助系统。方法：收集2019年6月至2024年2月来自3个中心的人体耳部图像数据，共计660张。使用LabelMe5.3.1图形标注工具进行图像的矩形框和特征点标注，并转换为YOLO模型兼容的格式。利用这些数据，进行不同规模YOLO神经网络预训练模型的迁移学习和微调训练。在验证集和测试集上进行模型的性能评估，包括不同阈值下的平均精度（mAP）、召回率（recall）、推理速度（FPS）、混淆矩阵等。最后，将模型部署于本地计算机，并通过摄像头对人体耳部图像进行实时检测。结果：本研究开发了5种不同版本的YOLOv8关键点检测模型，包括YOLOv8n、YOLOv8s、YOLOv8m、YOLOv8l、YOLOv8x。在验证集上，YOLOv8n在速度（225.736帧/s）和精确率（0.998）上均表现最佳。在外部测试集上，YOLOv8n识别耳部的准确率为0.991、敏感性为1.0、F1分数为0.995。耳穴特征点定位性能结果显示，50%交并比阈值下的平均精度（mAP50）为0.990，精确率为0.995，召回率为0.997。结论：基于YOLOv8n构建的21个常用耳穴关键点检测模型具有良好的预测性能，能够自动快速地对耳穴进行定位和分类。
关键词：耳穴;;深度学习;;关键点检测;;YOLO神经网络;;人工智能
基金资助：常熟市医学人工智能与大数据重点实验室能力提升项目：CYZ202301;; 常熟市医药卫生科技计划项目：CSWS202316;; 苏州卫生信息与健康医疗大数据学会项目：SZMIA202402;; 常熟市科技计划（社会发展）项目：CS202452;; 苏州市应用基础研究（医疗卫生）科技创新项目：SYWD2024059
