换一批基于深度卷积神经网络的外周血液细胞及抗体检测方法
Peripheral Blood Cells and Antibodies Detection Approach Based on Deep Convolutional Neural Network
摘要目的 为了解决目前常用血细胞检测仪器检测耗时长、检测细胞种类少及人工镜检方式耗时耗力的问题.方法 为了更快捷地对血细胞进行检测,提供准确的检测报告,减少医生工作量,本研究结合区域卷积神经网络、YOLO、单次多框检测器(Single Shot MultiBox Detector,SSD)等深度学习方法进行血细胞检测,并在实验中选择外周血细胞数据集,应用SSD模型和YOLO系列中的YOLOv5、YOLOX、YOLOv6、YOLOv7共5种网络模型进行训练,对比评估指标并讨论各网络模型的优劣势.结果 本研究搭建了精准度更高、运行速度更快的新模型,精准度可达99.3%,单张检测时间为10.3 ms,并且所占内存仅为71.2 MB,超过其他网络模型;本文的消融实验验证了新添加的全连接层模块与泛化模块的实用性.结论 该模型能够出色且准确地检测血细胞,且检测速度快、准确率高,同时模型较小,方便使用和维护.
更多相关知识
关键词
血细胞检测目标检测外周血细胞深度学习网络模型消融实验YOLO单次多框检测器(SSD)blood cell detectionobject detectionperipheral blood cellsdeep learning network modelablation experimentYOLOsingle shot multibox detector
栏目名称
DOI
10.3969/j.issn.1674-1633.2024.12.005
发布时间
2024-12-25（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（82220108007）
- 浏览8
- 被引4
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
