YOLOv5改进策略|YOLO模型优化|YOLOv5深度训练使用新损失函数进行物体检测、⻣髓细胞识别、血液疾病监测

订阅专栏后私信(留下联系方式)获取完整源码+远程部署

目录

简介

 方法

A. 有效的核心模块

实验结果

结论

---

简介

⻓期以来，⻣髓细胞形态学检查一直是诊断血液疾病 的重要工具。但目前仍主要依赖于有经验医生的主观诊断，没有客 观的量化标准。因此，研究鲁棒的⻣髓细胞检测算法对于定量自动 分析系统至关重要。目前，由于⻣髓涂片中细胞分布密集、细胞类 别多样，导致⻣髓细胞的检测困难。现有的⻣髓细胞检测算法对于 ⻣髓涂片自动分析系统来说还存在不足。本文提出了一种基于 YOLOv5 网络的⻣髓细胞检测算法，通过最小化新型损失函数进行 训练。⻣髓细胞检测任务的分类方法是所提出的新型损失函数的基 础。由于⻣髓细胞是按照系列和阶段进行分类的，因此相邻阶段的 部分类别是相似的。所提出的新颖损失函数考虑了⻣髓细胞类别之 间的相似性，增加了不同类别之间预测误差的惩罚，并减少了相似 类别之间预测误差的惩罚。结果表明，所提出的损失函数有效提高 了算法的性能，所提出的⻣髓细胞检测算法取得了比其他细胞检测 算法更好的性能。

现在主要由经验丰富的血