骨髓细胞识别：用新损失函数训练深度目标检测
计算机视觉与模式识别
2021-10-26 v1
摘要
长期以来，骨髓细胞形态学检查一直是诊断血液疾病的重要工具。然而，它仍主要依赖有经验医生的主观诊断，缺乏客观的定量标准。因此，研究一种鲁棒的骨髓细胞检测算法以用于定量自动分析系统至关重要。目前，由于骨髓涂片中细胞分布密集且细胞类别多样，骨髓细胞检测十分困难。现有的骨髓细胞检测算法对于骨髓涂片自动分析系统仍显不足。本文提出一种基于 YOLOv5 网络的骨髓细胞检测算法，通过最小化一种新颖的损失函数进行训练。该骨髓细胞检测任务的分类方法是所提新损失函数的基础。由于骨髓细胞按系列和阶段分类，相邻阶段的部分类别相似。所提新损失函数考虑了骨髓细胞类别间的相似性，增加对不相似类别间预测错误的惩罚，减少对相似类别间预测错误的惩罚。结果表明，该损失函数有效提升了算法性能，且所提骨髓细胞检测算法取得了优于其他细胞检测算法的性能。
引用
@article{arxiv.2110.12647,
title = {Bone Marrow Cell Recognition: Training Deep Object Detection with A New Loss Function},
author = {Dehao Huang and Jintao Cheng and Rui Fan and Zhihao Su and Qiongxiong Ma and Jie Li},
journal= {arXiv preprint arXiv:2110.12647},
year = {2021}
}
备注
6 pages, 3 figures