检索结果-维普期刊中文期刊服务平台

基于YOLOv7⁃tiny的血细胞检测算法被引量：1: 1; 作者叶鑫钟国韵刘梅锋《现代电子技术》北大核心 2025年第7期119-125,共7页; 血常规检验作为医疗诊断的一项重要方法,主要是对血液中血小板、白细胞和红细胞进行识别和计数。针对血细胞检测存在细胞形状不规则、目标尺度变化大、细胞相互遮挡等问题,提出一种改进YOLOv7⁃tiny的血细胞检测算法——EMCDModel。首先... 展开更多; 关键词深度学习血细胞检测 YOLOv7⁃tiny 注意力机制可变形卷积小目标检测; 在线阅读下载PDF 职称材料

基于改进YOLOv10的血细胞检测算法: 2; 作者李晨露牛嘉琦 +1 位作者王莉牛群峰《现代电子技术》北大核心 2025年第19期122-128,共7页; 为解决因血细胞粘连和重叠而导致的识别准确率低、漏检较为严重的问题,提出一种基于YOLOv10的改进算法BSTM-YOLO。通过在主干网络引入Swin Transformer,加强网络对弱目标的发现与表征能力,提升血小板检测精度;颈部网络采用BiFPN,通过跨... 展开更多; 关键词血细胞检测 YOLOv10 BSTM-YOLO Swin Transformer BiFPN MSBlock; 在线阅读下载PDF 职称材料

基于改进YOLOv7的血细胞检测算法: 3; 作者张文鹏李晨《电子测量技术》北大核心 2024年第24期128-138,共11页; 血细胞检测是诊断许多疾病的重要手段,血细胞数量和形态的变化常常反映人体的健康状况。然而,人工检测耗时且易出现误检和漏检。为此,本文提出了一种基于改进YOLOv7的血细胞检测算法—YOLOv7-SMC。该算法首先在特征提取过程中结合空间... 展开更多; 关键词血细胞检测 YOLOv7 空间和通道重构卷积注意力机制; 在线阅读下载PDF 职称材料

改进YOLO框架的血细胞检测算法被引量：15: 4; 作者王榆锋李大海《计算机工程与应用》 CSCD 北大核心 2022年第12期191-198,共8页; 为解决传统目标检测算法在血细胞检测任务中出现的检测精度偏低、错检及漏检等问题,提出了一种基于YOLO框架的改进目标检测算法YOLO-Att,该算法在YOLO框架结构的基础上,在骨干网络中增加了一种多尺度残差增强模块,结合低层信息丰富网络... 展开更多; 关键词血细胞检测 YOLO 多尺度残差块注意力机制; 在线阅读下载PDF 职称材料

LabGAN:基于生成对抗网络标签自动生成的血细胞检测方法被引量：3: 5; 作者丁启辰黄小巧 +2 位作者刘泓锟陈雪云金鑫《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2022年第7期1058-1067,共10页; 针对现有的条件生成对抗网络通过输入固定位置标签生成细胞样本多样性不足,导致细胞检测精度提升不能满足实际检测需求的问题,提出一种基于生成对抗网络的标签自动生成的血细胞检测方法.首先输入随机噪声生成细胞样本,将随机生成细胞样... 展开更多; 关键词条件生成对抗网络血细胞检测标签自动生成随机噪声多功能鉴别器; 在线阅读下载PDF 职称材料

基于YOLO-BioFusion的血细胞检测模型: 6; 作者张傲刘微 +2 位作者刘阳杨思瑶管勇《电子测量技术》 2025年第18期177-188,共12页; 血细胞检测是临床诊断中的重要任务,尤其在面对细胞类型多样、尺寸差异显著、目标重叠频繁以及复杂背景时,现有检测模型的精度和鲁棒性仍面临挑战。为解决这些问题,本文提出了一种改进的YOLOv8目标检测模型——YOLO-BioFusion。该模型... 展开更多; 关键词血细胞检测多尺度特征融合损失函数优化 YOLOv8 重叠目标; 在线阅读下载PDF 职称材料

基于多尺度条件生成对抗网络血细胞图像分类检测方法被引量：5: 7; 作者陈雪云黄小巧谢丽《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2021年第9期1772-1781,共10页; 针对血细胞图像中白细胞样本较少和生成细胞图像细节不清晰,导致检测精度较低的问题,提出基于多尺度鉴别器的条件生成对抗网络.该网络通过生成并添加大量逼真的白细胞图像到分类检测网络训练集的方式,实现对血细胞图像的生成和分类检测... 展开更多; 关键词深度学习血细胞图像分类检测条件生成对抗网络梯度相似性多尺度鉴别器; 在线阅读下载PDF 职称材料

血细胞特性曲线拟合方法的研究被引量：1: 8; 作者孙少杰龙伟 +1 位作者仝建李蒙《计算机工程》 CAS CSCD 2014年第10期287-291,共5页; 针对血液分析仪对血细胞各个参数检测线性偏差较大的问题,提出一种血细胞特性曲线分段拟合算法。根据血液分析仪检测值与理论值的对应关系,针对不同段的数据,进行分段线性拟合,再根据2条线性曲线段衔接处的3个数据点,采用最小二乘法多... 展开更多; 关键词血细胞检测分段曲线拟合最小二乘法血液分析仪线性偏差数据采集; 在线阅读下载PDF 职称材料

激光生物学应用: 9; 《中国光学》 EI CAS 1995年第6期20-20,共1页; Q631 95063690准弹性激光光散射在血细胞检测中的应用=Applicationof quasi—elastic light scattering inmeasurement of blood cells[刊,中]/沈子威,毕琳,公衍道,齐娟娟(清华大学生物科学与技术系.北京(100084))//光子学报.—1994,23(6).; 关键词血细胞检测准弹性激光散射激光光散射细胞电泳生物科学清华大学光子学生物学应用技术北京; 在线阅读下载PDF 职称材料

题名基于YOLOv7⁃tiny的血细胞检测算法被引量：1: 1; 作者叶鑫钟国韵刘梅锋; 机构东华理工大学信息工程学院东华理工大学机械与电子工程学院; 出处《现代电子技术》北大核心 2025年第7期119-125,共7页; 基金国家自然科学基金项目(62162002) 江西省主要学科学术和技术带头人领军人才项目(20225BCJ22004)。; 文摘血常规检验作为医疗诊断的一项重要方法,主要是对血液中血小板、白细胞和红细胞进行识别和计数。针对血细胞检测存在细胞形状不规则、目标尺度变化大、细胞相互遮挡等问题,提出一种改进YOLOv7⁃tiny的血细胞检测算法——EMCDModel。首先,采用可变形卷积(DCNv3)替换高效长程聚合网络的二维卷积,提出ELAN⁃DF模块,提高了不规则目标特征学习能力,降低了模型参数量和计算量;其次,采用MPDIoU替换原始的CIoU适应血细胞密集分布下的尺度变化,降低其相互遮挡导致的漏检率;在主干加入CBAM注意力机制加强对血细胞关键信息的学习,提高对血小板等小目标的检测精度;最后,通过轻量级上采样算子CARAFE替换颈部网络的最近邻插值法,强化颈部网络的特征融合能力,同时降低模型参数量。在BCCD数据集上的实验结果表明,EMCDModel的平均精度均值(mAP)达到92.8%,模型大小仅有5.5 MB,相较于YOLOv7⁃tiny算法,mAP提升了3.8%,参数量降低了8.15%,有效提升了血细胞检测精度。; 关键词深度学习血细胞检测 YOLOv7⁃tiny 注意力机制可变形卷积小目标检测; Keywords deep learning blood cell detection YOLOv7⁃tiny attention mechanism deformable convolution small object detection; 分类号 TN911.73-34 [电子电信—通信与信息系统] TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于改进YOLOv10的血细胞检测算法: 2; 作者李晨露牛嘉琦王莉牛群峰; 机构河南工业大学电气工程学院上海交通大学电子信息与电气工程学院; 出处《现代电子技术》北大核心 2025年第19期122-128,共7页; 基金河南工业大学创新创业基金计划专项(2022ZKCJ03)。; 文摘为解决因血细胞粘连和重叠而导致的识别准确率低、漏检较为严重的问题,提出一种基于YOLOv10的改进算法BSTM-YOLO。通过在主干网络引入Swin Transformer,加强网络对弱目标的发现与表征能力,提升血小板检测精度;颈部网络采用BiFPN,通过跨层级的融合机制增强特征表示能力,提取更为丰富的红细胞特征以提高目标检测性能;最后将C2f_MSBlock模块嵌入主干网格,使用分层特征融合策略和异构卷积核选择协议,在减少特征冗余的同时提高识别准确率。实验结果表明,改进后的BSTM-YOLO的平均精度均值(mAP)为93.1%,比原YOLOv10提高2.7%,参数量降低7%,GFLOPs降低3.7%,节省了计算资源,同时提高了识别准确率,满足了实际场景对血细胞检测的要求。; 关键词血细胞检测 YOLOv10 BSTM-YOLO Swin Transformer BiFPN MSBlock; Keywords blood cell detection YOLOv10 BSTM⁃YOLO Swin Transformer BiFPN MSBlock; 分类号 TN911.73-34 [电子电信—通信与信息系统] TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于改进YOLOv7的血细胞检测算法: 3; 作者张文鹏李晨; 机构南京信息工程大学电子与信息工程学院无锡学院江苏省通感融合光子器件及系统集成工程研究中心; 出处《电子测量技术》北大核心 2024年第24期128-138,共11页; 基金无锡学院人才启动费(2021r028)项目资助。; 文摘血细胞检测是诊断许多疾病的重要手段,血细胞数量和形态的变化常常反映人体的健康状况。然而,人工检测耗时且易出现误检和漏检。为此,本文提出了一种基于改进YOLOv7的血细胞检测算法—YOLOv7-SMC。该算法首先在特征提取过程中结合空间和通道重构卷积,减少了特征冗余并提高了性能;然后在颈部网络中加入混合局部通道注意力机制,增强了模型的表征能力;并且用内容感知特征重组上采样算子替换最近邻插值上采样,从而自适应地调整上采样策略,得到细节丰富的结果;最后引入基于最小点距离的边界框相似度度量损失函数,简化了边界框相似性比较。实验结果表明,该算法在BCCD数据集上的3类血细胞检测中,总样本均值平均精度mAP@0.5和mAP@[0.5:0.95]分别提升了2.6%和2.9%,展现出较高的实用性和准确性。; 关键词血细胞检测 YOLOv7 空间和通道重构卷积注意力机制; Keywords blood cell detection YOLOv7 spatial and channel reconstruction convolution attention mechanism; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术] TN06 [电子电信—物理电子学]; 在线阅读下载PDF 职称材料

题名改进YOLO框架的血细胞检测算法被引量：15: 4; 作者王榆锋李大海; 机构江西理工大学信息工程学院; 出处《计算机工程与应用》 CSCD 北大核心 2022年第12期191-198,共8页; 基金国家自然科学基金地区科学基金(61563069)。; 文摘为解决传统目标检测算法在血细胞检测任务中出现的检测精度偏低、错检及漏检等问题,提出了一种基于YOLO框架的改进目标检测算法YOLO-Att,该算法在YOLO框架结构的基础上,在骨干网络中增加了一种多尺度残差增强模块,结合低层信息丰富网络的特征层次,进而提高特征信息利用率;并设计了一种注意力门控结构嵌入模型,以获取更多高质量的主要特征信息;同时使用Focal loss代替原损失函数中的交叉熵,提高正负样本权重,加快模型收敛速度;采用K-means++聚类算法对目标进行锚框优化,进一步提升检测准确率。相较于现有的FasterRCNN、SSD以及YOLOv4等目标检测算法,YOLO-Att在通用血细胞数据集BCCD检测任务中,将mAP提高至66.32%,检测速率达到了85.4 ms,更符合血细胞检测任务的实时性。; 关键词血细胞检测 YOLO 多尺度残差块注意力机制; Keywords blood cell test YOLO multiscale residuals block attentional mechanism; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名LabGAN:基于生成对抗网络标签自动生成的血细胞检测方法被引量：3: 5; 作者丁启辰黄小巧刘泓锟陈雪云金鑫; 机构广西大学电气工程学院; 出处《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2022年第7期1058-1067,共10页; 基金国家自然科学基金(62061002).; 文摘针对现有的条件生成对抗网络通过输入固定位置标签生成细胞样本多样性不足,导致细胞检测精度提升不能满足实际检测需求的问题,提出一种基于生成对抗网络的标签自动生成的血细胞检测方法.首先输入随机噪声生成细胞样本,将随机生成细胞样本与真实细胞样本通过标签生成器实现对细胞图像标签的生成;然后引入多功能鉴别器,将生成细胞图像、标签与真实细胞图像、标签成对一一对应,输入多功能鉴别器中对细胞位置进行匹配鉴别与真假鉴别.在血细胞数据集上的实验结果表明,通过输入随机噪声生成的细胞样本不仅增加了生成细胞图像的多样性与质量,同时与目前主流的细胞图像生成与检测方法LCGAN对比,细胞检测精度交并比由90.3%提升至91.1%,精确率由91.7%提升至94.8%.; 关键词条件生成对抗网络血细胞检测标签自动生成随机噪声多功能鉴别器; Keywords conditional generative adversarial network blood cell test label automatic generation random noise multifunctional discriminator; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于YOLO-BioFusion的血细胞检测模型: 6; 作者张傲刘微刘阳杨思瑶管勇; 机构沈阳理工大学信息科学与工程学院; 出处《电子测量技术》 2025年第18期177-188,共12页; 基金辽宁省教育厅高等学校基本科研项目(JYTMS20230189) 沈阳理工大学引进高层次人才科研支持计划(1010147001131)项目资助。; 文摘血细胞检测是临床诊断中的重要任务,尤其在面对细胞类型多样、尺寸差异显著、目标重叠频繁以及复杂背景时,现有检测模型的精度和鲁棒性仍面临挑战。为解决这些问题,本文提出了一种改进的YOLOv8目标检测模型——YOLO-BioFusion。该模型通过引入ACFN模块,提高了对细小目标和重叠目标的检测能力;应用C2f-DPE和SPPF-LSK模块增强了多尺度特征的融合与提取,提升了模型的鲁棒性和泛化能力;同时,采用Inner-CIoU损失函数加速了模型收敛并提高了定位精度。实验结果表明,在BCCD数据集上,YOLO-BioFusion的mAP@0.5为94.0%,mAP@0.5:0.95为65.2%,分别较YOLOv8-n提高了1.9%和3.2%。与此同时,计算成本仅为6.8 GFLOPs,展示了其在资源受限环境中的应用潜力。该研究为复杂背景下的血细胞检测提供了一种高效且精确的解决方案。; 关键词血细胞检测多尺度特征融合损失函数优化 YOLOv8 重叠目标; Keywords blood cell detection multi-scale feature fusion optimization of loss function YOLOv8 overlapping target; 分类号 TN911.77 [电子电信]; 在线阅读下载PDF 职称材料

题名基于多尺度条件生成对抗网络血细胞图像分类检测方法被引量：5: 7; 作者陈雪云黄小巧谢丽; 机构广西大学电气工程学院广西医科大学第二附属医院医学检验科; 出处《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2021年第9期1772-1781,共10页; 基金国家自然科学基金资助项目(62061002).; 文摘针对血细胞图像中白细胞样本较少和生成细胞图像细节不清晰,导致检测精度较低的问题,提出基于多尺度鉴别器的条件生成对抗网络.该网络通过生成并添加大量逼真的白细胞图像到分类检测网络训练集的方式,实现对血细胞图像的生成和分类检测.在现有条件生成对抗网络真假鉴别器中,引入多尺度卷积核、池化域并在通道上拼接,提升鉴别器对微观细节纹理特征和宏观几何特征的鉴别能力;引入梯度相似性损失函数,以提高生成细胞图像的亮度及边缘清晰度,提升图像的真实感.实验证明,在图像生成阶段,增加多尺度鉴别器和梯度相似性损失函数提高了生成细胞图像的质量;在图像分类检测阶段,对比仅有真实数据训练的情况,增加细胞样本多样性使细胞分类检测的平均精度由90.4%提升至94.7%.; 关键词深度学习血细胞图像分类检测条件生成对抗网络梯度相似性多尺度鉴别器; Keywords deep learning classification and detection of blood cell images conditional generative adversarial network gradient similarity multi-scale discriminator; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名血细胞特性曲线拟合方法的研究被引量：1: 8; 作者孙少杰龙伟仝建李蒙; 机构南昌大学信息工程学院; 出处《计算机工程》 CAS CSCD 2014年第10期287-291,共5页; 基金国家自然科学基金资助项目(61261011); 文摘针对血液分析仪对血细胞各个参数检测线性偏差较大的问题,提出一种血细胞特性曲线分段拟合算法。根据血液分析仪检测值与理论值的对应关系,针对不同段的数据,进行分段线性拟合,再根据2条线性曲线段衔接处的3个数据点,采用最小二乘法多项式拟合算法进行过度曲线拟合,实现不同线性段间的平滑过渡,从而避免不同曲线交叉点的跳跃现象。实验结果表明,该方法简单、实用,拟合后的血细胞线性偏差优于血液分析仪行业标准的要求,满足临床应用的需要。; 关键词血细胞检测分段曲线拟合最小二乘法血液分析仪线性偏差数据采集; Keywords blood corpuscle examination piecewise curve fitting Least Square Method （LSM） hematology analyzer linear deviation data acquisition; 分类号 TP273 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名激光生物学应用: 9; 出处《中国光学》 EI CAS 1995年第6期20-20,共1页; 文摘 Q631 95063690准弹性激光光散射在血细胞检测中的应用=Applicationof quasi—elastic light scattering inmeasurement of blood cells[刊,中]/沈子威,毕琳,公衍道,齐娟娟(清华大学生物科学与技术系.北京(100084))//光子学报.—1994,23(6).; 关键词血细胞检测准弹性激光散射激光光散射细胞电泳生物科学清华大学光子学生物学应用技术北京; 分类号 Q631 [生物学—生物物理学]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于YOLOv7⁃tiny的血细胞检测算法	叶鑫钟国韵刘梅锋	《现代电子技术》北大核心	2025	1	在线阅读下载PDF 职称材料
2	基于改进YOLOv10的血细胞检测算法	李晨露牛嘉琦王莉牛群峰	《现代电子技术》北大核心	2025	0	在线阅读下载PDF 职称材料
3	基于改进YOLOv7的血细胞检测算法	张文鹏李晨	《电子测量技术》北大核心	2024	0	在线阅读下载PDF 职称材料
4	改进YOLO框架的血细胞检测算法	王榆锋李大海	《计算机工程与应用》 CSCD 北大核心	2022	15	在线阅读下载PDF 职称材料
5	LabGAN:基于生成对抗网络标签自动生成的血细胞检测方法	丁启辰黄小巧刘泓锟陈雪云金鑫	《计算机辅助设计与图形学学报》 EI CSCD 北大核心	2022	3	在线阅读下载PDF 职称材料
6	基于YOLO-BioFusion的血细胞检测模型	张傲刘微刘阳杨思瑶管勇	《电子测量技术》	2025		在线阅读下载PDF 职称材料
7	基于多尺度条件生成对抗网络血细胞图像分类检测方法	陈雪云黄小巧谢丽	《浙江大学学报（工学版）》 EI CAS CSCD 北大核心	2021	5	在线阅读下载PDF 职称材料
8	血细胞特性曲线拟合方法的研究	孙少杰龙伟仝建李蒙	《计算机工程》 CAS CSCD	2014	1	在线阅读下载PDF 职称材料
9	激光生物学应用		《中国光学》 EI CAS	1995	0	在线阅读下载PDF 职称材料