1.一种基于改进单阶段的骨髓血细胞目标识别与计数方法,其特征在于,具体步骤如下:步骤S1、图像采集与数据准备:采用高分辨率的电子显微镜,在100×放大倍率下,借助骨髓细胞形态学检查系统,采集经标准瑞士染色法处理的骨髓粒细胞涂片全域图像数据;
步骤S2、数据集的构建及预处理,并将预处理后的数据集划分为训练集、验证集和测试集;
步骤S3、构建改进的单阶段目标识别模型的初始模型,所述初始模型包含一个具有多尺度特征融合机制BiFPN和混合注意力机制模块CBAM的核心网络结构;
步骤S4、使用训练集和验证集对所述初始模型进行训练,得到骨髓血细胞目标识别与计数模型;
步骤S5、采用骨髓血细胞目标识别与计数模型对测试集图像中的骨髓血细胞进行识别与定位,输出细胞类别和目标框坐标,并根据目标框数量实现计数;
在步骤S2中,数据集的构建的具体步骤如下:
步骤S21、选取视野区域内大于200个细胞单位的图像作为有效样本,并保留分布在图像边缘的细胞样本;
步骤S22、采用三位血液专家交叉验证和投票计数机制,对有效样本中的血细胞进行类别标注,生成初始数据集;
步骤S23、对初始数据集进行预处理,包括图像旋转、剪切、缩放、翻转、混合、填充0像素、拼接,对初始数据集进行扩充;
在步骤S23中,通过数据增强Mosaic形成新的合成图像样本,具体步骤如下:步骤S231、从数据集中随机选取四张不同的图像进行随机拼接;
步骤S232、随机选择其中一个目标框,并将目标框从原始图像中的位置调整到新合成图像中的新坐标;
步骤S233、对新合成图像进行缩放和裁剪操作,确保目标框在新图像中完全可见并调整到正确大小;
步骤S234、将新的合成图像作为新样本,调整后的目标框位置和尺寸作为标签,更新数据集。
2.根据权利要求1所述的一种基于改进单阶段的骨髓血细胞目标识别与计数方法,其特征在于,步骤S3中,所述改进的单阶段目标识别模型网络的颈部Neck部分引入了多尺度特征融合机制BiFPN,所述BiFPN机制通过双向和跨层连接实现特征融合,具体如下:在每个融合节点引入可学习的权重,通过快速归一化进行数值稳定,计算公式如下:其中,为该融合节点的输出特征图,为输入特征图,为防止分母为零的极小值,i、j为求和索引。
3.根据权利要求2所述的一种基于改进单阶段的骨髓血细胞目标识别与计数方法,其特征在于,所述CBAM模块采用顺序应用机制,包括通道注意力模块CAM和空间注意力模块SAM。
4.根据权利要求3所述的一种基于改进单阶段的骨髓血细胞目标识别与计数方法,其特征在于,步骤S4中,初始模型训练过程中采用组合损失函数指导模型优化,所述组合损失函数由分类损失和定位损失加权求和构成;所述分类损失采用二元交叉熵损失,用于判断每个目标框是否包含血细胞以及属于哪一类别;所述定位损失采用GIOU定位损失,用于衡量预测目标框与真实目标框之间的差异,提高目标框的回归精度;
组合损失函数的计算公式如下:
;
其中,为组合损失,为二元交叉熵分类损失,为GIOU定位损失,为权重系数。
5.根据权利要求4所述的一种基于改进单阶段的骨髓血细胞目标识别与计数方法,其特征在于,初始模型训练过程包括冻结训练阶段和解冻训练阶段:在冻结训练阶段,冻结骨干网络的权重参数,仅对颈部网络和检测头的参数进行更新;
在解冻训练阶段,解冻骨干网络,对模型的所有参数进行全局微调训练。