CellScanner：一种基于YOLO与RESNET的高精度可迁移细胞识别模型

作     者：蔡康文 

作者单位：上海师范大学 

学位级别：硕士

导师姓名：郑小琪

授予年度：2023年

学科分类：1001[医学-基础医学(可授医学、理学学位)] 08[工学] 080203[工学-机械设计及理论] 100101[医学-人体解剖与组织胚胎学] 0802[工学-机械工程] 10[医学] 

主      题：YOLOv5 RESNET 细胞识别 在线平台 

摘      要：细胞焦亡是细胞程序性死亡的一种特殊方式,其释放的炎症因子能够招募免疫细胞对炎症组织进行杀伤。临床的医学成像识别焦亡细胞的比例的研究能够应用于多种炎症性疾病的诊断与防治,具有重要的科研意义和临床应用价值。传统方法中,用试验方法逐一识别焦亡细胞容易产生误判且耗时耗力。因此,亟待开发一种自动识别细胞形态的工具减少人工识别的人为误差和工作量。同时,临床工作者往往缺乏部署深度学习环境的时间与熟练度,目前医学成像深度学习模型往往停留在模型的建立上,而没有考虑到临床工作者的实际需求和痛点,故本文旨在建立精准焦亡细胞识别模型的同时搭建起操作简单便捷的焦亡细胞识别平台,使得临床工作者可以方便地使用这个模型进行临床的研究和分析。本文以焦亡细胞的自动识别为研究对象,通过整合YOLOv5与RESNET算法开发了Cell Scanner,可以实现对焦亡细胞的高精度的选框与识别。针对临床上类似焦亡细胞识别的任务,本文建立了Cell Scanner在线平台以实现在线识别焦亡细胞与微调,其主要功能包含:针对焦亡细胞的预测功能,与HE染色图像细胞预分割的功能和细胞微调模型训练功能。Cell Scanner解决了拍摄中的批次效应、训练目标差异等问题,为临床任务带来了极大地便利。通过测试,该在线微调模型针对淋巴瘤中的中心母细胞微调后的结果达到了预期水平,Io U阈值为0.5的条件下平均准确率为92.1%,Io U阈值为0.05到0.95的平均准确率为54.1%。Cell Scanner模型能够精准地识别特定细胞、辨别细胞间差异,且其在线平台功能可以为临床研究提供极大地便利。