基于YOLOv5s的穿刺针目标检测方法

作者：袁哲; 张春堂^*

来源：现代电子技术, 2023, 46(12): 43-49.

DOI：10.16652/j.issn.1004-373x.2023.12.008

• 穿刺针检测
• 目标检测模型
• YOLOv5s
• 随机梯度下降
• 优化算法
• 模型训练
• 超声影像
• 实验结果

超声引导穿刺手术过程中，准确判断穿刺针的位置是保证手术成功的重要环节之一。针对目前穿刺针检测方法存在的精度、时效性以及鲁棒性差等问题，文中提出一种基于深度学习的穿刺针检测方法。该方法采用YOLOv5s作为穿刺针的目标检测模型，将随机梯度下降(SGD)作为模型优化算法，利用本地穿刺影像数据集对网络模型进行训练，并对所提方法的有效性进行实验对比验证。结果表明，所提方法可以实现针体和针头的实时检测且鲁棒性较好，检测精度达到97%，检测速度为129 f/s，可以有效辅助医生判断穿刺针在超声影像中的位置，提高手术的成功率和效率。

• 单位
  青岛科技大学; 电子工程学院