申请/专利权人：南昌大学

申请日：2023-11-08

公开（公告）日：2024-02-13

公开（公告）号：CN117557516A

主分类号：G06T7/00

分类号：G06T7/00;G06V20/69;G06V10/25;G06V10/764;G06V10/766;G06V10/82;G06V10/44;G06V10/80

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.01#实质审查的生效;2024.02.13#公开

摘要：本发明提供了一种基于YOLOX目标检测算法的恶性疟原虫环状体检测方法，步骤S1，获取恶性疟原虫切片数据，利用电子显微镜拍摄薄外周血涂片，获得恶性疟原虫图像原始数据集；步骤S2，数据标注，对图像中环状体时期的恶性疟原虫进行标注，获得恶性疟原虫环状体切片数据集，将数据集分为训练集和验证集；步骤S3，输入图像到YOLOX网络，利用训练集进行特征学习，验证集验证模型的精度，获得训练好的检测模型；步骤S4，利用训练好的检测模型进行恶性疟原虫环状体检测。本发明在接近临床实际的疟原虫图像上，有效地避免了噪点的干扰，准确定位和分类恶性疟原虫的位置和所处生命周期，既能够精准检测疟原虫，在不同数据集也具有一定的泛化能力。

主权项：1.一种基于YOLOX目标检测算法的恶性疟原虫环状体检测方法，其特征在于：包括以下步骤：步骤S1，获取恶性疟原虫切片数据，利用电子显微镜拍摄薄外周血涂片，获得恶性疟原虫图像原始数据集；步骤S2，数据标注，对图像中环状体时期的恶性疟原虫进行标注，获得恶性疟原虫环状体切片数据集，将数据集分为训练集和验证集；步骤S3，输入图像到YOLOX网络，利用训练集进行特征学习，验证集验证模型的精度，获得训练好的检测模型；步骤S4，利用训练好的检测模型进行恶性疟原虫环状体检测。

全文数据：

权利要求：

百度查询： 南昌大学 一种基于YOLOX目标检测算法的恶性疟原虫环状体检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD