基于YOLO-BioFusion的血细胞检测模型

来源：电子测量技术杂志2025年第18期北京时间：

作者：张傲，刘微，刘阳，杨思瑶，管勇

单位：沈阳理工大学信息科学与工程学院 沈阳 110159

摘要：血细胞检测是临床诊断中的重要任务，尤其在面对细胞类型多样、尺寸差异显著、目标重叠频繁以及复杂背景时，现有检测模型的精度和鲁棒性仍面临挑战。为解决这些问题，本文提出了一种改进的YOLOv8目标检测模型——YOLO-BioFusion。该模型通过引入ACFN模块，提高了对细小目标和重叠目标的检测能力；应用C2f-DPE和SPPF-LSK模块增强了多尺度特征的融合与提取，提升了模型的鲁棒性和泛化能力；同时，采用Inner-CIoU损失函数加速了模型收敛并提高了定位精度。实验结果表明，在BCCD数据集上，YOLO-BioFusion的mAP@0.5为94.0%，mAP@0.5:0.95为65.2%，分别较YOLOv8-n提高了1.9%和3.2%。与此同时，计算成本仅为6.8 GFLOPs，展示了其在资源受限环境中的应用潜力。该研究为复杂背景下的血细胞检测提供了一种高效且精确的解决方案。

关键词：血细胞检测;多尺度特征融合;损失函数优化;YOLOv8;重叠目标

基金资助：辽宁省教育厅高等学校基本科研项目(JYTMS20230189)、沈阳理工大学引进高层次人才科研支持计划(1010147001131)项目资助