Vocal Folds Image Segmentation Based on YOLO Network

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F60461373%3A22340%2F24%3A43930916" target="_blank" >RIV/60461373:22340/24:43930916 - isvavai.cz</a>
Výsledek na webu
<a href="https://link.springer.com/chapter/10.1007/978-3-031-53549-9_15" target="_blank" >https://link.springer.com/chapter/10.1007/978-3-031-53549-9_15</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/978-3-031-53549-9_15" target="_blank" >10.1007/978-3-031-53549-9_15</a>

Jazyk výsledku
angličtina
Název v původním jazyce
Vocal Folds Image Segmentation Based on YOLO Network
Popis výsledku v původním jazyce
The focus of this article is on utilizing YOLOv8 segmentation models for the detection of vocal fold openness in laryngoscopic videos, eliminating the need for extra image enhancement. The evaluation and comparison of different models are carried out based on accuracy metrics such as box mean average precision and mask mean average precision. The outcomes indicate the potential applicability of YOLOv8 segmentation models in objectively quantifying vocal fold openness, offering a potential avenue for integration into clinical practice. © The Author(s), under exclusive license to Springer Nature Switzerland AG 2024.
Název v anglickém jazyce
Vocal Folds Image Segmentation Based on YOLO Network
Popis výsledku anglicky
The focus of this article is on utilizing YOLOv8 segmentation models for the detection of vocal fold openness in laryngoscopic videos, eliminating the need for extra image enhancement. The evaluation and comparison of different models are carried out based on accuracy metrics such as box mean average precision and mask mean average precision. The outcomes indicate the potential applicability of YOLOv8 segmentation models in objectively quantifying vocal fold openness, offering a potential avenue for integration into clinical practice. © The Author(s), under exclusive license to Springer Nature Switzerland AG 2024.

Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Rok uplatnění
2024
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku
Software Engineering Methods in Systems and Network Systems
ISBN
978-3-031-53548-2
ISSN
2367-3370
e-ISSN
2367-3389
Počet stran výsledku
9
Strana od-do
141-149
Název nakladatele
Springer Cham
Místo vydání
Cham
Místo konání akce
Virtual, Online
Datum konání akce
12. 4. 2023
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—

Podobné výsledky(10)