基于 YOLO 的仆母癌 p16/Ki-67 免疫组织化学双染色图像识别算法研究
人工智能
2024-12-03 v1
摘要
p16/Ki-67 双染色方法是仆母癌筛查的一种新型方法，具有较高的灵敏度和特异性。然而，当直接将 YOLOv5s 算法应用于双染色细胞图像时，存在误检和不准识别的问题。本文提出一种 novel 仆母癌双染色图像识别（DSIR-YOLO）模型，基于 YOLOv5。通过融合 Swin-Transformer 模块、GAM 注意力机制、多尺度特征融合和 EIoU loss 函数，显著提高了检测性能，[email protected] 和 [email protected]:0.95 分别达到 92.6% 和 70.5%。与 YOLOv5s 在五折交叉验证中相比，改进算法的准确率、召回率、[email protected] 和 [email protected]:0.95 分别提高了 2.3%、4.1%、4.3% 和 8.0%，方差更小，稳定性更高。与其他检测算法相比，DSIR-YOLO 以牺牲部分性能需求为代价，提高了网络识别效果。在此基础上，还研究了数据集质量对检测结果的影响。通过控制像素封闭性、尺度差异、未标记细胞和对角线标注，模型的检测准确率、召回率、[email protected] 和 [email protected]:0.95 分别提高了 13.3%、15.3%、18.3% 和 30.5%。
引用
@article{arxiv.2412.01372,
title = {Research on Cervical Cancer p16/Ki-67 Immunohistochemical Dual-Staining Image Recognition Algorithm Based on YOLO},
author = {Xiao-Jun Wu and Cai-Jun Zhao and Chun Meng and Hang Wang},
journal= {arXiv preprint arXiv:2412.01372},
year = {2024}
}