优化RFO调节的RF-DETR模型用于精密尿液显微镜,用于诊断脏和全身疾病
Neeraj Dahiya1, Deo Prakash2, Shakti Kundu3
1Department of Computer Science & Engineering, SRM University, Delhi-NCR, Sonipat, Haryana, India.
Scientific reports
|July 16, 2025
概括
本研究介绍了一种优化的RF-DETR模型,使用Red Fox优化进行自动化尿液分析. 人工智能模型准确地检测出尿路成分,有助于以高精度和低延迟早期诊断疾病.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 计算生物学 计算生物学
背景情况:
- 精确的尿液显微镜分析对于诊断脏和全身疾病至关重要.
- 自动化尿沉积物分析可以提高诊断效率和准确性.
- 现有的方法在实时临床应用中可能缺乏精度或速度.
研究的目的:
- 开发和优化用于自动化尿液沉积物分析的物体检测框架.
- 为了提高分类细胞和非细胞尿素成分的精度和减少延迟.
- 在相关数据集上验证拟议模型的性能.
主要方法:
- 实现基于变压器的物体检测模型 (RF-DETR),具有可变形的注意力和DINOv2骨干.
- 使用红狐优化 (RFO) 元启发算法优化超参数的优化.
- 关于RF100-VL尿液显微镜数据集的培训和评估.
主要成果:
- 优化RFO的RF-DETR实现了0.78的精度和0.737的mAP@0.5的精度.
- 与基线模型相比,对白细胞和红细胞等小物体的检测得到了改进.
- 启用了适合GPU和边缘设备的实时推断,由于无NMS设计和多分辨率训练.
结论:
- 优化RFO的RF-DETR框架是用于自动化尿液分析的强大且可扩展的工具.
- 该模型显示了在早期疾病诊断中临床部署的潜力.
- 未来的工作包括开发轻量级的变体和探索先进的学习技术,以提高性能.
更多相关视频
07:36Quantitative Real-Time PCR Evaluation of microRNA Expressions in Mouse Kidney with Unilateral Ureteral Obstruction
Published on: August 27, 2020
6.3K
11:47Using 2-Photon Microscopy to Quantify the Effects of Chronic Unilateral Ureteral Obstruction on Glomerular Processes
Published on: March 4, 2022
2.4K
