基于Transformer结构的深度学习模型用于外周血白细胞检测

摘要：

虽然血细胞分析仪已广泛应用于医院中,但人工镜检仍是白细胞检测的"金标准".本文提出了一种基于DETR的Transformer结构的深度学习模型T-DETR用于外周血白细胞的检测,旨在缓解人工镜检的压力.首先,使用PVTv2 作为DETR的骨干提取多尺度特征图来提高检测精度.然后,将可变形注意力模块引入到DETR模型中,减少计算复杂度以加快模型收敛.最后,为了得到最优权重,在筛选后的公共白细胞数据集上使用了迁移学习的训练方式.实验结果表明,T-DETR在COCO数据集上mAP为0.476,在白细胞数据集上的mAP为0.954,优于DETR和经典CNN模型,验证了Transformer结构的模型在医学图像检测中应用的可行性.

关键词：白细胞、目标检测、深度学习、Transformer、DETR

所属期刊栏目：44

分类号：TH776(仪器、仪表)

资助基金：国家重点研发计划2021YFB3602200

在线出版日期：2023-08-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：113-120