基于改进YOLOv5的幽门螺杆菌免疫印迹图像识别

作者：王梦; 张鸿鑫; 刘庆华^*; 张东

来源：计算机与现代化, 2022, (09): 78-92.

• 幽门螺杆菌免疫印迹图像
• 特征提取
• YOLOv5
• 目标检测识别
• 深度学习

针对幽门螺杆菌免疫印记图像重度依赖医生目测识别，存在效率低、速度慢等问题，提出一种基于改进YOLOv5的幽门螺杆菌免疫印迹图像检测模型。首先对YOLOv5的特征提取器进行优化，采用DenseNet作为新的特征提取器来解决梯度消失问题;然后通过限制最高下采样倍数，使得模型对小目标检测更加灵敏;最后引入Swish激活函数代替原YOLOv5中的LeakyReLU激活函数并改进Io U来获取更加准确的边界信息。在幽门螺杆菌免疫印记图像数据集上验证改进后的模型检测能力，实验结果表明，改进后模型的F1-score高达0.93、mAP@0.5达95.4%、mAP@0.5:0.95达75.6%、每秒检测帧数达54fps，满足临床上检测时限要求。

• 单位
  无锡铂肴医疗仪器有限公司; 江苏科技大学