[发明专利]一种基于YOLOX改进算法的聚集血小板检测方法

说明书

本发明属于图像目标检测技术领域，公开了一种基于YOLOX改进算法的聚集血小板检测方法，该方法在主干特征提取网络上引入了RFB模块，其中RFB结构由四个不同尺寸和空洞率的卷积层分支和一个残差边组成，引入方式为CSPDarknet主干特征提取网络的CspLayer层后面。然后在特征融合部分，在PANet的输出进行自适应加权融合，使得三个有效特征层提取的特征在进行预测前以不同权重进行融合，引入更多的浅层信息，让浅层网络权重增大，深层网络权值相对较小，可以提高网络对聚集血小板检测的准确率。

技术领域

本发明属于图像目标检测技术领域，具体涉及一种基于YOLOX改进算法的聚集血小板检测方法。

背景技术

血常规检查是一项常见的体检项目，可以通过观察血细胞的数量变化及形态分布从而判断血液状况及疾病的检查。其中红细胞能够供给全身组织和细胞所需的氧气，占血液细胞总数的40％-50％；白细胞可以参与细胞免疫，并具有免疫调节功能，占血液细胞总数的1％；血小板的主要功能是凝血和止血，修补破损的血管，在血液中的数量占比也很大。其中血小板的一个重要生理特性是具有聚集功能，它是指血小板和血小板之间的黏附，显示活化的血小板相互作用聚集成团的特征。当血小板聚集率越高时，血小板容易聚集形成血栓，可能还会引起冠状动脉痉挛，使得心肌微循环发生障碍。所以血小板聚集率的测定对于临床上治疗血栓性疾病和诊断血栓前状态具有重要意义。随着生物和医学的发展，对细胞的聚集的研究成为细胞生物学中的重要课题之一。而研究血小板粘附、聚集可望使这一课题取得新进展。

目前传统的血小板聚集检测原理是在富含血小板的血浆或全血中加入致聚剂连续搅拌来产生血小板聚集这种现象。20世纪60年代，Born首先采用比浊法测定血小板聚集，这种方法的缺点是对血小板聚集物的形成不敏感，只能检测大血小板聚集团；高脂血症的PRP会影响透光度。全血电阻抗法，这种方法每次测定后电极需要清洗干净，同时连接电极的电线需要小心安放，不能弯曲，使得它很难满足临床工作的需要。而且这些方法大多是理化实验，制备过程复杂，耗时长，误差比较大，准确率很大程度上依赖于实验人员的操作规范和个人经验。血涂片是目前临床检测比较常见的方式，通过检测血涂片上血小板的聚集情况，可以快速准确的帮助医生和专家得到患者的血小板聚集情况，以便能够采取及时有效的治疗方案。

目标检测是计算机视觉领域的重要组成模块。其中，YOLOX算法作为优秀的单目标检测算法，可以直接回归出物体的类别概率和位置坐标，算法速度快。但是直接利用YOLOX进行聚集血小板的目标检测时存在一些不可避免的问题。在YOLOX中是利用特征金字塔FPN进行特征融合，FPN在一定程度上缓解了信息扩散问题。但是，直接融合不同密度的信息会引起语义冲突，限制多尺度特征的表达，使得小目标容易淹没在冲突信息中。由于血小板的尺寸不到图像尺寸的十分之一，是一种小目标。所以直接利用YOLOX进行聚集血小板的检测会出现很大程度的漏检。

发明内容

针对现有技术中存在的上述问题，本发明提出一种基于YOLOX改进算法的聚集血小板检测方法，解决了在聚集血小板检测中，小目标检测不到和容易漏检的问题。

本发明采用以下技术方案：

一种基于YOLOX改进算法的聚集血小板检测方法，步骤如下：

1)采集血小板数据集，并对血小板数据集进行增强，以得到血小板增强数据集；对采集血小板数据集用生物显微镜采集血小板图片，筛选出单个血小板和聚集血小板都清晰可见的图片，然后进行数据增强，得到增强数据集。

2)采集血小板聚集和血小板正常分布的两类样本图片，将样本图片调整为适合模型输入的640×640像素大小，通过标签标注软件LabelImg对物品图片进行样本标注，并将标注信息存储为XML格式；

3)将血小板增强数据集按照8：1：1的比例分为训练集、验证集、测试集；

4)将训练集输入YOLOX网络中，根据网络输出值和真实值求取损失，并根据梯度下降法对网络参数进行更新；