EB-YOLO:基于YOLO算法的一种高效和轻量级的血细胞检测器
Boyue Wu1, Shilun Feng2, Shuyue Jiang3
1State Key Laboratory of Transducer Technology, Shanghai Institute of Microsystem and Information Technology, Chinese Academy of Sciences, Shanghai, 200050, China; School of Graduate Study, University of Chinese Academy of Sciences, Beijing, 100049, China.
Computers in biology and medicine
|May 1, 2025
概括
这项研究介绍了一种基于YOLO (EB-YOLO) 的高效血细胞检测器,用于在低端设备上快速,准确的血细胞分析. 该模型平衡了轻量级设计与高精度,在嵌入式系统上在速度方面超过了经典YOLO.
科学领域:
- 医学诊断 医学诊断 医学诊断
- 计算机视觉 计算机视觉 计算机视觉
- 生物医学工程 生物医学工程
背景情况:
- 血液细胞检测对于医学诊断至关重要.
- 目前的高精度物体检测模型对于低端设备来说是计算上昂贵的.
- 轻量级模型提供速度,但在复杂的血液细胞检测任务中缺乏准确性.
研究的目的:
- 为资源有限的环境开发一种高效,高精度的血细胞检测仪.
- 解决现有模型在实时血细胞分析速度和准确性方面的局限性.
主要方法:
- 提出了一种基于YOLO (EB-YOLO) 的高效血细胞探测器.
- 利用ShuffleNet作为高效特征提取的骨干.
- 集成的卷积块注意模块 (CBAM) 和自适应空间特征融合 (ASFF) 用于增强特征表示和集成.
- 采用深度可分离的卷积来减少模型参数和计算负载.
主要成果:
- 在BCCD数据集上实现了92.1%的mAP@50.
- 证明了较低的计算复杂性 (0.9 GFLOPs) 和小的参数数量 (0.289M).
- 与拉斯伯雷Pi 5上的经典YOLO相比,显示出更高的推断速度.
结论:
- EB-YOLO模型有效地平衡了轻量级设计与高精度的血液细胞检测.
- 拟议的方法显示出在低端嵌入式系统上部署实时医疗诊断的显著前景.
