一种基于改进YOLOv7模型的乳腺病理细胞图像检测方法及系统技术方案

本发明专利技术提供一种基于改进YOLOv7模型的乳腺病理细胞图像检测方法及系统，所述方法包括：步骤S1、采集乳腺病理切片图像，生成数据集；步骤S2、对数据集中得细胞进行框标注；步骤S3、将标注好的数据集切分训练集和验证集；步骤S4、搭建YOLOv7网络，在YOLOv7网络的三个分支中分别添加ASFF和CBAM模块，得到改进后的YOLOv7网络；步骤S5、将训练集输入改进后的YOLOv7网络进行训练，并验证，以获得高精度乳腺病理切片细胞检测模型。本发明专利技术改进后的模型能有效避免了乳腺细胞特征在非相邻级别间较大语义差距，大幅增强对微小早期癌细胞、较大正常乳腺组织细胞等多尺度细胞目标的检测能力，提高对早期乳腺病变细胞的识别精度。

【技术实现步骤摘要】

本专利技术涉及医学图像处理和计算机视觉，特别涉及一种基于改进yolov7模型的乳腺病理细胞图像检测方法及系统。

技术介绍

1、乳腺癌作为全球女性发病率最高的恶性肿瘤之一，其早期诊断对提高患者生存率具有关键意义。传统的乳腺病理切片细胞检测主要依赖病理医师通过光学显微镜进行人工判读，这种方法不仅耗时耗力，检测效率低下，而且受医师主观经验、疲劳程度等因素影响，容易出现漏检、误判等情况，难以满足大规模筛查的需求。

2、随着深度学习技术的飞速发展，基于卷积神经网络(cnn)的目标检测算法在医学图像领域展现出强大的优势，为乳腺病理切片细胞检测提供了新的解决方案。其中，yolo(you onlylook once)系列算法如yolov7以其检测速度快、实时性高的特点，在众多目标检测算法中脱颖而出，被广泛应用于各种场景。然而，在乳腺病理切片细胞检测任务中，yolov7算法仍面临诸多挑战。特别的，乳腺病理切片中的细胞形态、大小各异，背景复杂，同时部分病变细胞特征不明显，这些都导致yolov7算法在检测精度和召回率方面难以达到理想效果。因此，亟需对yolov7算法本文档来自技高网...

【技术保护点】

1.一种基于改进YOLOv7模型的乳腺病理细胞图像检测方法，其特征在于：所述方法包括：

2.根据权利要求1所述的一种基于改进YOLOv7模型的乳腺病理细胞图像检测方法，其特征在于：所述步骤S1具体为：采集包含乳腺正常细胞和乳腺癌细胞的病理切片图像，对采集到的病理切片图像进行预处理操作，具体操作包括去噪和对比度增强，之后将图像统一裁剪为640×640像素的尺寸，并进行保存，以满足后续模型训练与验证的需求。

3.根据权利要求1所述的一种基于改进YOLOv7模型的乳腺病理细胞图像检测方法，其特征在于：所述步骤S2具体包括：

4.根据权利要求1所述的一种基于改...

【技术特征摘要】

1.一种基于改进yolov7模型的乳腺病理细胞图像检测方法，其特征在于：所述方法包括：

2.根据权利要求1所述的一种基于改进yolov7模型的乳腺病理细胞图像检测方法，其特征在于：所述步骤s1具体为：采集包含乳腺正常细胞和乳腺癌细胞的病理切片图像，对采集到的病理切片图像进行预处理操作，具体操作包括去噪和对比度增强，之后将图像统一裁剪为640×640像素的尺寸，并进行保存，以满足后续模型训练与验证的需求。

3.根据权利要求1所述的一种基于改进yolov7模型的乳腺病理细胞图像检测方法，其特征在于：所述步骤s2具体包括：

4.根据权利要求1所述的一种基于改进yolov7模型的乳腺病理细胞图像检测方法，其特征在于：所述步骤s3具体包括：将标注好的数据集进行数据增强，对数据集按7:3切分为训练集和验证集。

5.根据权利要求1所述的一种基于改进yolov7模型的乳腺病理细胞图像检测方法，其特征在于：所述改进后的yolov7网络结构具体为：包括backbone部分和head部分，在所述head部分中的三个elan-h中融入三个asff模块，并在每一asff模块后接入一个cbam模块和一个cbs模块；

6....

【专利技术属性】
技术研发人员：何领朝，陈福沨，方斌，雷晓晔，
申请(专利权)人：福州至臻医疗科技有限公司，
类型：发明
国别省市：