武汉建设局官网嘉兴优化公司

目录

一、研究背景与挑战

二、MS-YOLO核心架构

1. 多尺度扩张残差模块（MS-DRM）

2. 动态交叉路径特征增强模块（DCFEM）

3. 轻量自适应权重下采样模块（LADS）

三、实验设计与结果

1. 数据集与评估指标

2. 对比实验结果

（1）消融实验（表1）

（2）横向对比（表2）

四、可视化分析

1. 检测效果对比

2. 多尺度特征可视化

五、代码实现

六、未来方向

七、总结

---

 

一、研究背景与挑战

血细胞检测是临床诊断的基石，通过显微镜图像对红细胞（RBC）、白细胞（WBC）和血小板（Platelet）进行分类计数，可为贫血、白血病等疾病提供早期预警。传统人工镜检存在效率低、主观性强等问题，而自动化检测设备则面临成本高昂、小目标漏检等挑战。近年来，基于深度学习的检测模型（如YOLO、Faster R-CNN）虽显著提升了性能，但在以下场景仍存在瓶颈：

1. ​细胞重叠问题​：高密度样本中红细胞易发生堆叠（图5(a)），传统检测框难以分离重叠区域
2. ​多尺度检测难题​：血小板尺寸仅为红细胞的1/50（直径约2-4μm），传