一种基于YOLOv5和显微高光谱图像的异型淋巴细胞分型方法

摘要

本发明提供了一种基于YOLOv5和显微高光谱图像的异型淋巴细胞分型方法，在标准YOLOv5网络结构基础进行改进；利用461，548和698nm对应的灰度图像合成淋巴细胞伪彩图，通过改进的YOLOv5网络，面向合成图像信息，完成淋巴细胞自动定位；再利用改进的YOLOv5网络识别结果中淋巴细胞预测框的相对位置信息获取其平均光谱值，将平均光谱值作为输入，使用一维卷积神经网络实现异型淋巴细胞的分型识别；构建异型淋巴细胞分型模型。本发明通过标准YOLOv5网络结构的改进，减少网络计算量，提高对小目标定位的准确度，提出“先定位，后识别”的思想，提升了淋巴细胞的检测效率，实现了异型淋巴细胞的分型识别。