换一批联合可变形特征和多尺度注意力的结核杆菌图像检测
Image Detection of Mycobacterium Tuberculosis Using a Combination of Deformable Features and Multi-Scale Attention
摘要结核病是一种常见、多发且较为凶险的传染性疾病,目前主要采用痰涂片人工镜检.由于结核杆菌在显微场景下具有尺度小、菌体粘连和形态不规整等特点,易造成漏检和错检.为此,基于深度学习技术提出一种痰液显微图像结核杆菌的自动检测算法MTDet.首先,构建轻量化的基础特征提取网络,以全局注意的方式捕捉菌体堆积粘连时的空间关系和个体局部特征;其次,利用自主设计的可变形特征聚合模块DC2f和高效多尺度注意力EMA来重构特征,自适应结核杆菌的多种形态;最后,在检测头中增加高分辨率分支,提升模型对小目标的感知能力.在结核杆菌显微图像公开数据集Tuberculosis-phonecamera和ZNSM iDB上的实验结果表明:算法平均检测准确率分别为90.2％和87.9％,召回率分别为84.1％和83.2％,均超越了现有主流算法.此外,基于WHO的结核病诊断标准,针对220例临床样本的综合准确率为96.8％,其中假阳率为6.5％,假阴率为0％.本研究结果有望为结核病的辅助诊断带来帮助.
更多相关知识
关键词
结核杆菌检测痰涂片图像小目标特征聚合多尺度注意力detection of mycobacterium tuberculosissputum smear imagessmall goalsfeature aggregationmultiscale attention
分类号
R318（医用一般科学）
栏目名称
DOI
10.3969/j.issn.0258-8021.2025.03.005
发布时间
2025-08-01（万方平台首次上网日期，不代表论文的发表时间）
基金项目
福建省自然科学基金项目（2019J01859）
福建省自然科学基金项目（2023J011439）
- 浏览5
- 被引0
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
