改进YOLOv5对病理图像下噪声标签的检测与自动纠正应用

病理图像细胞检测是医学诊断的基础部分,正确、精准地检测靶向细胞及其数量对疾病诊疗至关重要。传统医学采用手工镜检的估计方式检测病理图像,依赖病理医生的工作经验,存在主观性、检测精度较低的问题。为此,提出改进YOLOv5的噪声标签检测与自动纠正网络检测病理图像中的靶向细胞,通过Conf、IOU函数使网络具有区分真值标签和噪声标签的能力,从而实现噪声标签的自动纠正,以辅助医生对鼻窦炎疾病类型进行临床诊断。结果表明,改进网络在鼻窦炎病理图像数据集上的平均精度、召回率分别提升至88.9%和95.6%,可满足检测病理图像的精度和纠正噪声标签的需求。