来源：期刊VIP网 时间：
作者：叶鑫;钟国韵;刘梅锋;
单位：东华理工大学信息工程学院;东华理工大学机械与电子工程学院;
摘要：血常规检验作为医疗诊断的一项重要方法，主要是对血液中血小板、白细胞和红细胞进行识别和计数。针对血细胞检测存在细胞形状不规则、目标尺度变化大、细胞相互遮挡等问题，提出一种改进YOLOv7-tiny的血细胞检测算法——EMCDModel。首先，采用可变形卷积（DCNv3）替换高效长程聚合网络的二维卷积，提出ELAN-DF模块，提高了不规则目标特征学习能力，降低了模型参数量和计算量；其次，采用MPDIoU替换原始的CIoU适应血细胞密集分布下的尺度变化，降低其相互遮挡导致的漏检率；在主干加入CBAM注意力机制加强对血细胞关键信息的学习，提高对血小板等小目标的检测精度；最后，通过轻量级上采样算子CARAFE替换颈部网络的最近邻插值法，强化颈部网络的特征融合能力，同时降低模型参数量。在BCCD数据集上的实验结果表明，EMCDModel的平均精度均值（mAP）达到92.8%，模型大小仅有5.5 MB，相较于YOLOv7-tiny算法，mAP提升了3.8%，参数量降低了8.15%，有效提升了血细胞检测精度。
关键词：深度学习;;血细胞检测;;YOLOv7-tiny;;注意力机制;;可变形卷积;;小目标检测
基金资助：国家自然科学基金项目（62162002）;; 江西省主要学科学术和技术带头人领军人才项目（20225BCJ22004)
