本研究では、一貫したパラメータを用いてYOLOアルゴリズムの5つのバージョン（YOLOv5、YOLOv7、YOLOv8、YOLOv9、YOLOv12）を比較することにより、MRI画像における脳腫瘍の早期かつ正確な診断という極めて重要なニーズに対応している。事前にアノテーションが付与されたKaggleのMRI脳データセットを使用し、アノテーションを精緻に検証した上で、データ拡張（反転、回転、ぼかし、ノイズ）を適用してデータセットを801枚から約1362枚に拡大し、モデルの汎化性能と頑健性を向上させた。モデルは適合率、再現率、mAP@0.5、mAP@0.5:0.95、および推論時間などの指標でトレーニングおよび評価された。YOLOv12は総合的に優れた性能を示し、最高の再現率（97.32%）、mAP@0.5（92.2%）、およびmAP@0.5:0.95（76.57%）を達成し、正確な検出と対象の局在化に対する頑健性を実証した。YOLOv7は最高の適合率（96.89%）と優れた推論速度を達成したものの、総合的なmAPおよび再現率は他のバージョンに劣っていた。YOLOv9およびYOLOv8も強力で競争力のある性能を示し、より新しいYOLO世代における大幅な進歩を示した。これらの知見は、MRI画像における脳腫瘍の検出および局在化に対するYOLOアルゴリズムの有効性を裏付けるものであり、本比較解析においてYOLOv12が最も効果的なバリアントであることが示された。
Satria et al. (Thu,) はこの課題を研究した。