基于YOLOv4-tiny模型的细胞图像识别技术研究

摘要：

根据细胞的形态特征进行病理分析是现代医疗健康领域常用的技术手段,传统的细胞识别及分类存在易疲劳、效率低、医师水平及主观因素带来的不确定性等问题.为此,提出基于YOLOv4-tiny模型的细胞图像识别技术.在Jetson Nano人工智能平台上设计开发了面向细胞的智能检测系统,通过加入Dropout改进了YOLOv4-tiny轻量化网络模型,有效防止了训练数据过度拟合的问题,实现了基于细胞形状特征的精准识别.实验结果表明,该系统的细胞检测准确率可高达99％,能够大幅提高细胞在显微镜下的检测精度及检测效率,促进了人工智能技术在医学检测领域的应用.

关键词：细胞图像识别、YOLOv4-tiny模型、智能检测、目标识别、网络模型改进、病理分析

所属期刊栏目：45

分类号：TN911.73-34;TP183

资助基金：中国人民武装警察部队后勤学院校级项目;中国人民武装警察部队后勤学院校级项目

在线出版日期：2022-05-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：46-49