静脉穿刺是门诊采血室医师常用的操作之一。穿刺的成功率不只关系到患者的苦楚程度，还会影响测验成果的精确性。未处理这一问题，团队提出了一种依据深度学习的B超引导下的静脉穿刺识别体系。在论文中，科研团队详细描述了该体系的运作流程、技能完成和试验成果。
首要，研讨团队使用k-means++聚类算法对不同B-形式超声图画中的血管区域进行了聚类处理，以便后续作业的进行。然后，规划了一种轻量级的血管超声网络(UV-YOLOv7)。这个网络以YOLOv7-tiny为根底，特别添加了一个多标准特征交融模块(MFFM)，以便更好地交融高层次的语义特征和低层次的细节特征。此外，经过轻量化模型结构和替换EIoU丢失函数，模型检测的速度和精确性得到了明显提高。
最终，团队提出了一种动态依据密度的聚类算法(DN-DBSCAN)，可以精确的经过网络输出的定位成果和置信度特点，对一系列部分血管区域进行聚类处理，然后去除误检区域。在试验中，研讨团队选取了303张无回声和264张强回声血管超声图画进行离线扩展和练习。试验依据成果得出，该办法在mAP上体现最佳，达到了86.2%，而且推理时刻仅为0.6ms。最终，经过DN-DBSCAN聚类算法的使用，获得了更稳健的血管定位作用。
这个体系的诞生可以在必定程度上协助医师更快速、精准地找到血管，由此削减患者的苦楚、下降医疗本钱，一起也为其他医疗范畴供给了新的思路和办法，从而推进医疗科技的开展前进。
磅策医疗自成立以来一直致力于处理各类病症的共性临床需求，供给更专业的医疗处理方案，团队深知，每一个技能的打破，都意味着可以为患者带来更好的医治体会，为社会带来更多的价值。这篇论文的宣布，是全球尖端专家们对磅策医疗在技能创新方面的必定，咱们将持续尽力，争夺在智能医疗技能范畴获得更大打破，为临床医疗供给更先进、更精准、更普惠的处理方案，让高端科技为更多人服务。
