YOLO（You Only Look Once）是一種流行的物體檢測（Object Detection）深度學習模型，它可以在圖像中識別和定位多個物體，並為每個物體提供邊界框（Bounding Box）和類別標籤。雖然YOLO最初用於電腦視覺應用，但也可以應用於醫學影像辨識，例如醫學影像中的病灶檢測。

下面是一個範例程式，使用YOLOv3模型來檢測醫學影像中的病灶。使用YOLOv3的預訓練權重和一個開源的Python庫（使用Keras實現YOLOv3）來執行這個範例。

import numpy as np
from yolo import YOLO
from PIL import Image

# 初始化YOLO模型
yolo = YOLO(model_path="yolov3.h5", anchors_path="yolo_anchors.txt", classes_path="yolo_classes.txt")

# 載入醫學影像
image = Image.open("medical_image.jpg")

# 執行物體檢測
boxes, class_ids, scores = yolo.detect_image(image)

# 打印檢測結果
for i in range(len(boxes)):
    print(f"Class: {yolo.class_names[class_ids[i]]}, Confidence: {scores[i]:.2f}, Bounding Box: {boxes[i]}")

# 顯示檢測結果
image_with_boxes = yolo.draw_boxes(image, boxes, class_ids, scores)
image_with_boxes.show()

# 釋放資源
yolo.close_session()

在這個程式中，我們首先初始化YOLOv3模型，然後載入一張醫學影像。接下來，我們使用YOLO模型來執行物體檢測，獲得檢測結果，包括物體的類別、信心分數和邊界框。最後，我們使用PIL庫來將檢測結果顯示在原始影像上。