摘要
本发明提出一种基于YOLOv5的双腔气管插管辅助方法及系统，收集气管镜图像，进行分类并标注，扩充数据集；使用标注好的数据集中的80％进行改进的YOLOv5模型训练；利用数据集剩余的20％测试训练好的模型，使用mAP0.5作为评价指标来衡量模型在气管镜目标检测任务上的性能；采集气道内的图像，并使用训练好的模型进行实时识别和分析，准确识别气管镜图像中的关键结构；将识别和分析的结果通过一个结果可视化界面展示，以辅助医生进行诊断和治疗决策。本发明显著提高了模型对气管镜图像中关键结构的识别精度和定位能力。这种精准的识别和定位是进行有效双腔气管插管的关键，有助于降低手术风险和提高手术成功率。
