基于改进YOLOv5网络的精子头部检测算法
汪涛
汪子歆
彭韬
王嘉程
周金华
安徽医科大学生物医学工程学院 合肥 230032
摘要：在高浓度精子样本的低倍镜成像中,精子密集且尺寸小导致其头部识别困难,检测精度低.论文提出一种基于改进YOLOv5网络的精子头部检测算法,提升精子头部检测精度.将网络中特征融合区块替换为BiFPN特征融合网络;修改Head结构,通过裁剪检测精子头部的特征检测框减小网络规模,提升小目标的检测与特征融合能力,从而提高小目标的识别精度.结果表明,改进后的网络比原始的YOLOv5s网络精准度和召回率上得到了提高,在本地的精子样本检测上取得了不错的效果.
关键词：精子样本目标识别YOLOv5s特征融合
分类号：TP301.6(计算技术、计算机技术)
资助基金：安徽省自然科学基金项目(1908085MA14)安徽省转化医学研究院科研基金项目(2021zhyx-B16)安徽省重点研究与开发计划项目(2022a05020028)
论文发表日期：2025-06-20
在线出版日期：2025-09-23（本平台首次上网日期，不代表文献的发表时间）
页数：7( 1547-1552,1590 )
英文信息