基于YOLOv8n的头颅CT常见颅内疾病定性诊断与脑出血定位诊断模型构建及验证OA

目的构建基于YOLOv8n的头颅CT常见颅内疾病定性诊断与脑出血定位诊断双模型,评估其诊断性能与临床应用价值,为颅内疾病的快速精准诊断提供轻量化辅助工具。方法回顾性收集桂林医科大学第一附属医院头颅CT平扫图像,构建2套独立数据集:(1)定性诊断数据集:纳入脑梗死、脑出血、垂体瘤、脑膜瘤图像各1000张,共4000张;(2)定位诊断数据集:纳入9个解剖部位脑出血图像各500张,共4500张。采用Labelimg软件进行病灶边界标注,经放射科医师审核确认后,2套独立数据集均按8∶1∶1比例随机划分为训练集、验证集与测试集。基于YOLOv8n轻量化架构构建双诊断模型,以YOLOv5n为对照模型,采用精确率、召回率、在交并比阈值为0.5时所有类别的平均精确率-召回率曲线下面积(mAP@0.5)、F1指数等评估模型性能;选取独立临床验证集,与3位不同年资放射科医师开展盲法对照验证,评估诊断准确率、Kappa一致性及诊断时间。结果(1)定性诊断模型。①性能评估:精确率为0.9230,召回率为0.9600,mAP@0.5为0.9640,F1指数为0.9400,总体诊断准确率为0.9350。②模型对比:YOLOv8n模型与YOLOv5n模型整体性能相近,但前者的特异度更具优势。③临床验证:YOLOv8n模型与3位不同年资医师均具有极佳的诊断一致性(均Kappa系数>0.9,均P<0.05);准确率为0.9350,高于低年资医师(0.8850)及中年资医师(0.9200),但低于高年资医师(0.9900);诊断200张图像总耗时仅0.18 min,远快于人工诊断(6.60~10.00 min)。(2)定位诊断模型。①性能评估:精确率为0.9580,召回率为0.9800,mAP@0.5为0.9730,F1指数为0.9600。②临床验证:YOLOv8n模型与3位不同年资医师均具有极佳的诊断一致性(均Kappa系数>0.9,均P<0.05);准确率为0.9533,高于低年资医师(0.9178),但低于中年资医师(0.9644)及高年资医师(0.9889);诊断450张图像总耗时仅0.38 min,远快于人工诊断(17.90~24.00 min)。结论基于YOLOv8n构建的头颅CT常见颅内疾病定性与脑出血定位双模型具有较高的诊断精度与推理效率,与放射科医师诊断一致性良好,可作为辅助诊断工具提升基层医疗机构及急诊场景的诊断效率与结果一致性。