换一批摘要目的 探讨改进YOLOv7算法在血细胞图像不同类型细胞自动检测分类中的应用,以提高血细胞识别分类的准确度.方法 将滑动窗口变换器模块引入YOLOv7,同时采用加权双向特征金字塔网络结构,使网络能够获取并传递更加丰富的特征信息,使用斯库拉交并比损失代替完全交并比损失,实现更加精准的目标框定位.结果 通过不同算法在BCCD血细胞数据集上展开实验可得,改进的YOLOv7模型对红细胞、白细胞和血小板的识别准确度分别达到89.3%、98.5%和91.5%,平均准确度达93.1%,相比于原YOLOv7模型提升了2.6%.通过与已发表的血细胞人工智能检测算法进行对比可知,本文算法具有更高的准确度.结论 改进的YOLOv7模型可以有效应用于血细胞识别分类任务,为血细胞的检测提供重要的参考价值.
更多相关知识
关键词
血细胞检测YOLOv7神经网络加权双向特征金字塔网络斯库拉交并比损失函数blood cell detectionYOLOv7neural networksweighted Bi-directional feature pyramid network(Bi-FPN)SCYLLA-IoU(SIoU)
分类号
R318（医用一般科学）
栏目名称
DOI
10.3969/j.issn.1674-1633.2024.09.002
发布时间
2024-09-25（万方平台首次上网日期，不代表论文的发表时间）
基金项目
山东省研究生优质教育教学资源项目（SDYAL2022041）
- 浏览10
- 被引2
- 下载2
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
