摘要本文开发了一种基于YOLOv8的血细胞检测系统旨在自动识别外周血涂片图像中的三类细胞成分血小板Platelets、红细胞RBC和白细胞WBC。实验采用765张图像进行训练73张验证36张测试。训练过程中红细胞类别的最终mAP50达到0.79精确率为0.94召回率为0.72。关键词YOLOv8红细胞检测目标检测混淆矩阵医学图像分析引言血液细胞形态学分析是临床诊断贫血、感染、白血病及凝血功能障碍等疾病的重要基础。传统人工显微镜检查依赖专业人员经验耗时费力且存在主观差异性。随着深度学习技术的发展基于卷积神经网络的目标检测算法为血液细胞自动识别提供了可行方案。YOLOYou Only Look Once系列模型凭借其在速度与精度之间的良好平衡广泛应用于医学细胞检测任务。本研究采用YOLOv8架构构建了一个能够同时检测血小板、红细胞和白细胞的三类检测系统重点评估其在红细胞识别任务上的表现并揭示当前训练过程中存在的关键问题。订阅此专栏获取文章项目完整源码和数据集https://blog.csdn.net/m0_68036862/category_13147048.htmlhttps://blog.csdn.net/m0_68036862/category_13147048.html项目演示视频YOLOv8红细胞白细胞血小板识别检测系统项目源码YOLO数据集模型权重UI界面python深度学习环境配置模型训练_哔哩哔哩_bilibilihttps://www.bilibili.com/video/BV1Ag7V6REyE?vd_source549d0b4e2b8999929a61a037fcce3b0fspm_id_from333.788.videopod.sectionshttps://www.bilibili.com/video/BV1Ag7V6REyE/目录摘要引言项目演示视频功能模块1、用户管理模块2、界面与交互模块3、检测源管理模块4、检测参数配置模块5、YOLO检测核心模块6、结果显示模块7、结果保存模块8、工具栏功能9、辅助功能10、数据校验模块背景2.1 血液细胞检测的临床意义2.2 YOLOv8简介数据集介绍数据来源与构成训练过程训练结果整体性能概览编辑常用标注工具项目演示视频功能模块✅用户登录注册支持密码检测密码加密。注册登录✅图片检测可对图片进行检测返回检测框及类别信息。✅参数实时调节置信度和IoU阈值✅支持选择检测目标可以选择一个或者多个类目的目标进行检测✅视频检测支持视频文件输入检测视频中每一帧的情况。✅摄像头实时检测连接USB 摄像头实现实时监测。✅日志记录日志标签页记录操作和错误信息带时间戳✅结果保存模块支持图片/视频/摄像头检测结果保存1、用户管理模块功能描述用户注册用户名、密码、确认密码、邮箱选填注册密码SHA256加密存储用户登录用户名密码验证自动跳转主界面用户数据存储JSON文件存储用户信息密码加密、注册时间、邮箱登录状态主界面显示当前登录用户名2、界面与交互模块功能描述玻璃效果界面半透明毛玻璃背景圆角边框现代化视觉风格无边框窗口自定义标题栏支持窗口拖动、最小化、最大化、关闭响应式布局主窗口三栏布局左侧控制区、中央显示区、右侧信息区状态栏显示设备信息、模型状态、当前用户、实时时间3、检测源管理模块功能描述图片检测支持JPG/JPEG/PNG/BMP格式图片载入视频检测支持MP4/AVI/MOV/MKV格式视频载入摄像头检测实时调用摄像头默认ID 0进行检测检测源切换下拉菜单切换三种检测模式自动更新界面状态4、检测参数配置模块功能描述置信度阈值滑动条调节0-100%步长1%实时显示当前值IoU阈值滑动条调节0-100%步长1%实时显示当前值类别选择动态生成检测类别复选框支持全选/取消全选参数同步参数实时同步到检测器核心5、YOLO检测核心模块功能描述模型加载加载best.pt模型文件自动检测GPU可用性支持CPU/GPU切换多模式检测图片检测、视频检测、摄像头实时检测检测线程基于QThread的多线程处理避免界面卡顿检测结果返回目标类别、置信度、边界框坐标FPS计算实时计算处理帧率进度反馈视频处理进度条实时更新6、结果显示模块功能描述实时画面中央区域显示检测结果图像带标注框统计信息检测状态、目标数量、FPS、处理帧数实时更新检测列表右侧列表显示当前帧所有检测到的目标类别置信度日志记录日志标签页记录操作和错误信息带时间戳占位显示未选择检测源时显示系统LOGO和提示文字7、结果保存模块功能描述保存开关复选框控制是否保存检测结果路径选择自定义保存路径支持图片/视频格式自动识别自动命名保存文件自动添加时间戳detection_result_20240101_120000.jpg视频保存支持检测结果视频录制MP4格式手动保存工具栏保存按钮可随时保存当前画面保存反馈保存成功弹窗提示日志记录保存路径8、工具栏功能功能描述图片按钮快速切换到图片检测模式并打开文件选择器视频按钮快速切换到视频检测模式并打开文件选择器摄像头按钮快速切换到摄像头检测模式保存按钮手动保存当前显示画面9、辅助功能功能描述错误处理统一错误弹窗提示日志记录错误详情资源清理检测停止时自动释放摄像头、视频文件、视频写入器资源时间显示状态栏实时显示系统时间模型状态状态栏显示模型加载状态和当前设备CPU/GPU10、数据校验模块功能描述注册验证用户名长度≥3密码长度≥6密码一致性检查邮箱格式验证协议确认注册前需勾选同意用户协议文件校验模型文件存在性检查文件大小验证≥6MB输入非空登录/注册时必填项非空检查背景2.1 血液细胞检测的临床意义红细胞负责氧气运输其数量、形态异常提示贫血、地中海贫血等。白细胞免疫系统核心异常提示感染、白血病。血小板参与凝血过程异常提示出血风险或血栓性疾病。自动化的血细胞检测系统可辅助检验科医生提高阅片效率减少人为漏诊。2.2 YOLOv8简介YOLOv8是Ultralytics于2023年发布的目标检测框架相比前代具有更优的骨干网络CSPDarknet、无锚框检测头Anchor-Free及更强大的数据增强策略。其支持分类、检测、分割等多种任务适合处理医学图像中密集、小尺寸的细胞目标。数据集介绍数据来源与构成本研究所用数据集为外周血涂片显微镜图像包含三类标注目标类别英文名称类别ID血小板Platelets0红细胞RBC1白细胞WBC2数据集共874张图像按如下方式划分数据集图像数量用途训练集765张模型参数学习验证集73张超参数调优与早停测试集36张最终性能评估训练过程训练结果整体性能概览从results.png可以看出最终mAP50(B) ≈ 0.79B表示红细胞类最终mAP50-95(B) ≈ 0.79Precision(B) ≈ 0.94最终Recall(B) ≈ 0.72最终训练约90-100轮后趋于收敛无明显过拟合train/val loss同步下降。常用标注工具假设您现在准备好进行标注。有几种开源工具可以帮助简化数据标注流程。以下是一些有用的开放标注工具Label Studio一个灵活的工具支持各种标注任务并包含用于管理项目和质量控制的功能。 CVAT一个强大的工具支持各种标注格式和可定制的工作流程使其适用于复杂的项目。 Labelme一个简单易用的工具可以快速标注带有多边形的图像非常适合简单的任务。 LabelImg: 一款易于使用的图形图像标注工具特别适合以 YOLO 格式创建边界框标注。这些开源工具经济实惠并提供一系列功能来满足不同的标注需求。界面核心代码订阅此专栏获取文章项目完整源码和数据集https://blog.csdn.net/m0_68036862/category_13147048.htmlhttps://blog.csdn.net/m0_68036862/category_13147048.html项目演示视频YOLOv8红细胞白细胞血小板识别检测系统项目源码YOLO数据集模型权重UI界面python深度学习环境配置模型训练_哔哩哔哩_bilibilihttps://www.bilibili.com/video/BV1Ag7V6REyE?vd_source549d0b4e2b8999929a61a037fcce3b0fspm_id_from333.788.videopod.sectionshttps://www.bilibili.com/video/BV1Ag7V6REyE/
摘要本文开发了一种基于YOLOv8的血细胞检测系统旨在自动识别外周血涂片图像中的三类细胞成分血小板Platelets、红细胞RBC和白细胞WBC。实验采用765张图像进行训练73张验证36张测试。训练过程中红细胞类别的最终mAP50达到0.79精确率为0.94召回率为0.72。关键词YOLOv8红细胞检测目标检测混淆矩阵医学图像分析引言血液细胞形态学分析是临床诊断贫血、感染、白血病及凝血功能障碍等疾病的重要基础。传统人工显微镜检查依赖专业人员经验耗时费力且存在主观差异性。随着深度学习技术的发展基于卷积神经网络的目标检测算法为血液细胞自动识别提供了可行方案。YOLOYou Only Look Once系列模型凭借其在速度与精度之间的良好平衡广泛应用于医学细胞检测任务。本研究采用YOLOv8架构构建了一个能够同时检测血小板、红细胞和白细胞的三类检测系统重点评估其在红细胞识别任务上的表现并揭示当前训练过程中存在的关键问题。订阅此专栏获取文章项目完整源码和数据集https://blog.csdn.net/m0_68036862/category_13147048.htmlhttps://blog.csdn.net/m0_68036862/category_13147048.html项目演示视频YOLOv8红细胞白细胞血小板识别检测系统项目源码YOLO数据集模型权重UI界面python深度学习环境配置模型训练_哔哩哔哩_bilibilihttps://www.bilibili.com/video/BV1Ag7V6REyE?vd_source549d0b4e2b8999929a61a037fcce3b0fspm_id_from333.788.videopod.sectionshttps://www.bilibili.com/video/BV1Ag7V6REyE/目录摘要引言项目演示视频功能模块1、用户管理模块2、界面与交互模块3、检测源管理模块4、检测参数配置模块5、YOLO检测核心模块6、结果显示模块7、结果保存模块8、工具栏功能9、辅助功能10、数据校验模块背景2.1 血液细胞检测的临床意义2.2 YOLOv8简介数据集介绍数据来源与构成训练过程训练结果整体性能概览编辑常用标注工具项目演示视频功能模块✅用户登录注册支持密码检测密码加密。注册登录✅图片检测可对图片进行检测返回检测框及类别信息。✅参数实时调节置信度和IoU阈值✅支持选择检测目标可以选择一个或者多个类目的目标进行检测✅视频检测支持视频文件输入检测视频中每一帧的情况。✅摄像头实时检测连接USB 摄像头实现实时监测。✅日志记录日志标签页记录操作和错误信息带时间戳✅结果保存模块支持图片/视频/摄像头检测结果保存1、用户管理模块功能描述用户注册用户名、密码、确认密码、邮箱选填注册密码SHA256加密存储用户登录用户名密码验证自动跳转主界面用户数据存储JSON文件存储用户信息密码加密、注册时间、邮箱登录状态主界面显示当前登录用户名2、界面与交互模块功能描述玻璃效果界面半透明毛玻璃背景圆角边框现代化视觉风格无边框窗口自定义标题栏支持窗口拖动、最小化、最大化、关闭响应式布局主窗口三栏布局左侧控制区、中央显示区、右侧信息区状态栏显示设备信息、模型状态、当前用户、实时时间3、检测源管理模块功能描述图片检测支持JPG/JPEG/PNG/BMP格式图片载入视频检测支持MP4/AVI/MOV/MKV格式视频载入摄像头检测实时调用摄像头默认ID 0进行检测检测源切换下拉菜单切换三种检测模式自动更新界面状态4、检测参数配置模块功能描述置信度阈值滑动条调节0-100%步长1%实时显示当前值IoU阈值滑动条调节0-100%步长1%实时显示当前值类别选择动态生成检测类别复选框支持全选/取消全选参数同步参数实时同步到检测器核心5、YOLO检测核心模块功能描述模型加载加载best.pt模型文件自动检测GPU可用性支持CPU/GPU切换多模式检测图片检测、视频检测、摄像头实时检测检测线程基于QThread的多线程处理避免界面卡顿检测结果返回目标类别、置信度、边界框坐标FPS计算实时计算处理帧率进度反馈视频处理进度条实时更新6、结果显示模块功能描述实时画面中央区域显示检测结果图像带标注框统计信息检测状态、目标数量、FPS、处理帧数实时更新检测列表右侧列表显示当前帧所有检测到的目标类别置信度日志记录日志标签页记录操作和错误信息带时间戳占位显示未选择检测源时显示系统LOGO和提示文字7、结果保存模块功能描述保存开关复选框控制是否保存检测结果路径选择自定义保存路径支持图片/视频格式自动识别自动命名保存文件自动添加时间戳detection_result_20240101_120000.jpg视频保存支持检测结果视频录制MP4格式手动保存工具栏保存按钮可随时保存当前画面保存反馈保存成功弹窗提示日志记录保存路径8、工具栏功能功能描述图片按钮快速切换到图片检测模式并打开文件选择器视频按钮快速切换到视频检测模式并打开文件选择器摄像头按钮快速切换到摄像头检测模式保存按钮手动保存当前显示画面9、辅助功能功能描述错误处理统一错误弹窗提示日志记录错误详情资源清理检测停止时自动释放摄像头、视频文件、视频写入器资源时间显示状态栏实时显示系统时间模型状态状态栏显示模型加载状态和当前设备CPU/GPU10、数据校验模块功能描述注册验证用户名长度≥3密码长度≥6密码一致性检查邮箱格式验证协议确认注册前需勾选同意用户协议文件校验模型文件存在性检查文件大小验证≥6MB输入非空登录/注册时必填项非空检查背景2.1 血液细胞检测的临床意义红细胞负责氧气运输其数量、形态异常提示贫血、地中海贫血等。白细胞免疫系统核心异常提示感染、白血病。血小板参与凝血过程异常提示出血风险或血栓性疾病。自动化的血细胞检测系统可辅助检验科医生提高阅片效率减少人为漏诊。2.2 YOLOv8简介YOLOv8是Ultralytics于2023年发布的目标检测框架相比前代具有更优的骨干网络CSPDarknet、无锚框检测头Anchor-Free及更强大的数据增强策略。其支持分类、检测、分割等多种任务适合处理医学图像中密集、小尺寸的细胞目标。数据集介绍数据来源与构成本研究所用数据集为外周血涂片显微镜图像包含三类标注目标类别英文名称类别ID血小板Platelets0红细胞RBC1白细胞WBC2数据集共874张图像按如下方式划分数据集图像数量用途训练集765张模型参数学习验证集73张超参数调优与早停测试集36张最终性能评估训练过程训练结果整体性能概览从results.png可以看出最终mAP50(B) ≈ 0.79B表示红细胞类最终mAP50-95(B) ≈ 0.79Precision(B) ≈ 0.94最终Recall(B) ≈ 0.72最终训练约90-100轮后趋于收敛无明显过拟合train/val loss同步下降。常用标注工具假设您现在准备好进行标注。有几种开源工具可以帮助简化数据标注流程。以下是一些有用的开放标注工具Label Studio一个灵活的工具支持各种标注任务并包含用于管理项目和质量控制的功能。 CVAT一个强大的工具支持各种标注格式和可定制的工作流程使其适用于复杂的项目。 Labelme一个简单易用的工具可以快速标注带有多边形的图像非常适合简单的任务。 LabelImg: 一款易于使用的图形图像标注工具特别适合以 YOLO 格式创建边界框标注。这些开源工具经济实惠并提供一系列功能来满足不同的标注需求。界面核心代码订阅此专栏获取文章项目完整源码和数据集https://blog.csdn.net/m0_68036862/category_13147048.htmlhttps://blog.csdn.net/m0_68036862/category_13147048.html项目演示视频YOLOv8红细胞白细胞血小板识别检测系统项目源码YOLO数据集模型权重UI界面python深度学习环境配置模型训练_哔哩哔哩_bilibilihttps://www.bilibili.com/video/BV1Ag7V6REyE?vd_source549d0b4e2b8999929a61a037fcce3b0fspm_id_from333.788.videopod.sectionshttps://www.bilibili.com/video/BV1Ag7V6REyE/
