SDE-YOLO:一种用于检测血细胞的新方法
Yonglin Wu1, Dongxu Gao2, Yinfeng Fang3
1School of Automation and Electrical Engineering, Shenyang Ligong University, Shenyang 110158, China.
Biomimetics (Basel, Switzerland)
|September 27, 2023
概括
这项研究介绍了SDE-YOLO,一种增强的血液细胞检测算法. 它显著提高了识别白细胞,红细胞和血小板的准确性和速度.
科学领域:
- 计算机视觉和图像分析
- 生物医学工程 生物医学工程
- 机器学习用于医疗保健
背景情况:
- 现有的单阶段和双阶段算法在血液细胞检测方面存在局限性,包括低准确度,错误检测和错误检测.
- 准确高效的血细胞检测对于临床诊断和研究至关重要.
研究的目的:
- 开发一个改进的目标检测算法,SDE-YOLO,基于YOLOv5s框架.
- 为了提高血细胞检测的准确性和实时性能,特别是白细胞,红细胞和血小板.
主要方法:
- 将Swin变压器集成到骨干中,以获得卓越的特征提取.
- 修改路径聚合网络 (PANet) 通过去除网络层并使用深度可分离的卷积来改善小目标检测并减少参数.
- 取代完整的交叉对联 (CIoU) 损失函数以欧几里德交叉对联 (EIoU) 损失函数来解决样本不平衡并加速收.
主要成果:
- 在BCCD数据集中,SDE-YOLO实现了高平均平均精度 (mAP) 评分:白细胞99.5%,红细胞95.3%,血小板93.3%.
- 与SSD,YOLOv4和YOLOv5s等既定算法相比,表现出优越的性能.
- 在血细胞的准确性和实时检测能力方面表现优于YOLOv7和YOLOv8.
结论:
- SDE-YOLO算法有效地解决了血液细胞检测方面的挑战,在准确性和效率方面提供了显著的改进.
- 拟议的修改,包括Swin变压器集成,PANet优化和EIoU损失,有助于增强小目标识别和更快的融合.
- 在临床和研究环境中,SDE-YOLO为实时,高精度的血细胞分析提供了一个有前途的解决方案.
