基于YOLOv3的硅藻电子显微镜图像识别模型的构建及应用

目的基于YOLOv3模型构建硅藻电子显微镜图像识别模型,测试在实际案例中的应用效果,探讨该模型在法医学硅藻鉴定中的优势。方法选取25000张1500×的硅藻电子显微镜图像作为初始图像集,经专家标注和图像处理后,输入YOLOv3网络训练识别模型。收集8例溺死案例肺、肝、肾组织样本的硅藻电子显微镜图像,分别在0.4、0.6、0.8的阈值下利用该模型识别硅藻,同时进行人工识别,以识别速度、召回率和查准率评价该模型的实际应用效果。结果模型在验证集和测试集上的平均精度均值分别为94.8%和94.3%,平均召回率分别为81.2%和81.5%。实际应用中,该模型识别速度是人工识别速度的9倍以上。阈值为0.4时,肺组织硅藻总体召回率均值达89.6%、总体查准率均值达87.8%;肝、肾组织硅藻总体召回率达100%、查准率低于5%。随着阈值的增加,各组织硅藻召回率下降、查准率上升;模型在肺组织的F1分数随着阈值升高而降低,在肝、肾组织的F1分数随着阈值升高而升高。结论基于YOLOv3的硅藻电子显微镜图像识别模型能够快速识别硅藻图像,并能在一定的阈值下取得良好的硅藻召回率和肺组织较高的硅藻查准率,显著减少了人工识别的工作量,具有良好的应用前景。

硅藻检验推测溺亡位置1例

1案例1.1简要案情某年6月25日上午,某街道一河道中发现一具未知名女童尸体。该女童衣着完整,身上背一双肩包,主袋拉链闭合,内装有两块水泥砖。现场未见明显打斗痕迹。1.2尸体检验尸表检查:尸长131cm,体表未见明显损伤。尸体解剖:水性肺气肿,肺膜下见点状出血,支气管腔内见泥沙,余未见明显异常,可排除因机械性损伤死亡。