基于YOLO框架的血细胞自动计数研究

作者：徐晓涛; 孙亚东; 章军^*

来源：计算机工程与应用, 2020, 56(14): 98-103.

• 血液检验
• 血细胞计数
• 深度学习
• 目标检测
• YOLO

血细胞检测和计数是血液检验中的一项重要内容,大量细胞显微图像形态多样、目标较小且背景复杂,自动识别血细胞仍然是一项具有挑战性的任务。为解决血细胞检测中复杂小目标识别问题,基于一阶段深度检测YOLO框架,提出了一种新颖的YOLO-Dense网络模型。通过使用K-means算法对锚框进行聚类,获得三种不同大小的潜在待识别目标的锚框,并在YOLO基础网络中引入残差模块和特征金字塔的多尺度模块,以提高对小目标的识别精度;通过跳层连接进行残差训练,有效解决深度网络梯度弥散和爆炸等问题;通过在网络架构中增加密集连接模块,使得提出的模型能够有效提升网络推断速度。实验结果表明:YOLO-Dense网络均值平均精度mAP和检测时间分别为0.86和24.9 ms。相比Faster R-CNN和原始的YOLO网络,YOLO-Dense模型在血细胞检测上取得了最好的性能。

• 单位
  安徽大学; 自动化学院