窑医疗卫生装备窑2024年2月第45卷第2期悦澡蚤灶藻泽藻酝藻凿蚤糟葬造耘择怎蚤责皂藻灶贼允燥怎则灶葬造窑灾燥造援45窑晕燥援2窑February窑2024基于改进YOLOv8的生物显微镜图像眼前节参数测量方法研究贺永强1，苗清豪1，熊彩莲2，杨军1*（1.中国医学科学院北京协和医学院生物医学工程研究所，天津300192；2.玉溪师范学院，云南玉溪653100）[摘要]目的院针对眼科超声图像数量有限、标注成本高和模型泛化能力不强的问题，提出一种基于改进YOLOv8的超声生物显微镜（ultrasonicbiologicalmicroscopy，UBM）图像眼前节参数测量方法。方法院首先，使用StyleGAN3进行数据增强，降低YOLOv8模型对UBM图像的敏感度，提高模型的泛化性能；其次，借鉴半监督学习中的伪标签自训练的方法，使用以原始UBM图像为数据集的YOLOv8模型生成虚拟UBM图像的伪标签；最后，使用扩充后的数据集训练YOLOv8模型，同时使用全局上下文网络（globalcontextnetwork，GCNet）模块改进YOLOv8模型，使用关键点排序算法对YOLOv8的预测结果进行排序，结合先验知识筛选出合格图像后，计算眼前节生理参数的测量值。结果院与眼科专家的手工标注结果相比，经StyleGAN3数据增强和自训练的YOLOv8模型的定位误差为（61.94依40.66）滋m，测量前房角间距、瞳孔直径、睫状沟间距、中央角膜厚度、前房深度、晶状体厚度的平均相对误差分别为0.62%、1.35%、0.68%、4.87%、0.93%、0.75%。结论院提出的方法能够提高UBM图像眼前节参数测量的精度，且能满足实时性的需求。[关键词]YOLOv8；超声生物显微镜；眼前节参数；参数测量；生成对抗网络[中国图书资料分类号]R318[文献标志码]A[文章编号]1003-8868渊2024冤02-0008-09DOI院10.19745/j.1003-8868.2024022ImprovedYOLOv8-basedmeasurementmethodofanteriorsegmentparametersofultrasonicbiologicalmicroscopyimagesHEYong-qiang1,MIAOQing-hao1,XIONGCai-lian2,YANGJun1*(1.InstituteofBiomedicalEngineering,ChineseAcademyofMedicalSciences,PekingUnionMedicalCollege,Tianjin300192,China;2.YuxiNormalUniversity,Yuxi653100,YunnanProvince,China)AbstractToproposeameasurementmethodbasedonimprovedYOLOv8fortheanteriorsegmentparametersofultrasonicbiologicalmicroscopy(UBM)imagestosolvetheproblemsoftheophthalmicultrasoundimagesinlowquantity,highannotationcostandweakmodelgeneralizationability.Firstly,dataenhancementusingStyleGA...
