徐曉濤，孫亞東，章 軍

安徽大學 電氣工程與自動化學院，合肥 230601

1 引言

血細胞計數(shù)是血液檢驗的一項重要內(nèi)容，在生物醫(yī)學實驗、臨床醫(yī)學診斷等領域都起著重要的作用。如血涂片是目前臨床檢測上比較常見的一種方式，通過檢測患者血液標本中的白細胞、紅細胞、血小板等各項指標，同時觀察細胞數(shù)量的多少和形態(tài)的異常能夠準確地判斷出患者的疾病類型和發(fā)展程度，以便采取及時、有效的治療方案[1]。

由于大量細胞顯微圖像形態(tài)多樣并且背景復雜，使用圖像處理算法對算法細胞的自動識別和計數(shù)仍然是一個巨大的挑戰(zhàn)。目前的細胞檢測和計數(shù)方法主要為兩類：早期主要使用傳統(tǒng)圖像處理技術，如基于霍夫變換的自動細胞識別技術[2-4]、基于距離變換的分水嶺方法[5]和基于閾值的方法[6-8]。通常基于閾值的分割算法將細胞作為單獨的區(qū)域分割開，易于實現(xiàn)且效率高，但當血細胞圖片包含大量重疊細胞時，容易造成邊界信息缺失和分割不完善。在實際細胞圖像檢測應用中會面臨各種復雜的情況，使用傳統(tǒng)的圖像處理方法不能完全解決，特別在細胞重疊度高的區(qū)域其準確率上達不到要求。近年來，一些基于深度卷積神經(jīng)網(wǎng)絡（Convolutional Neural Network，CNN）[9]等深度學習方法在分類、目標識別、語義分割等領域都獲得了成功的應用，基于深度學習的目標檢測方法也已經(jīng)應用于細胞檢測和計數(shù)中。該算法[10]主要分為兩大類：一類是兩階段算法，代表性算法為 R-CNN[11]、Fast R-CNN[12]、Faster R-CNN[13]以及Mask R-CNN[14]算法。兩階段算法通常其檢測精度較高，但需要耗費較長的計算時間。而另一類算法為一階段算法，代表性算法為YOLO[15]、SSD[16]和YOLO9000[17]，這類算法能夠產(chǎn)生高質量的候選框，需要的計算時間較少，同時也能獲得較好的識別精度。而實用的血細胞檢測算法需要部署在CPU甚至嵌入式系統(tǒng)上，因此需要采用一種具有較低計算復雜度，同時識別精度較高的算法。本文選擇了一階段算法中的YOLO框架，但由于血細胞圖像中需要檢測的都是小目標，而原始的YOLO框架對小目標檢測性能較差，本文基于YOLO框架做了改進，通過加入密集連接，盡可能地讓每一層的特征圖都能接受到前面所有層的輸出，并進行特征拼接（concatenate）來達到數(shù)據(jù)融合和特征復用，以增強YOLO算法對小目標的識別。通過血細胞數(shù)據(jù)集實驗驗證，和其他方法相比較，本文方法的檢測效果顯著提升。

2 基于YOLO的自動血細胞檢測的原理

在采集血細胞染色圖片中，會出現(xiàn)大量細胞粘連現(xiàn)象，這無疑增大了檢測的難度。本文選擇的基礎檢測網(wǎng)絡框架為YOLO算法，其運行速度優(yōu)于Faster R-CNN系列算法，但該算法對檢測小目標的物體精度較差。本文借鑒了DenseNet[18]網(wǎng)絡的思想，將該模型和YOLO模型結合，提出了一種YOLO-Dense網(wǎng)絡，該網(wǎng)絡不僅在檢測精度上比原始的YOLO算法有所提高，同時在檢測速度上也明顯提升。

2.1 基礎網(wǎng)絡的改進

針對原始的YOLO網(wǎng)絡小目標檢測精度較低，本文網(wǎng)絡框架如圖1所示，其中引入Faster R-CNN中使用錨框（anchor boxes）[19]的思想，為了使網(wǎng)絡能夠檢測不同大小的物體，網(wǎng)絡會預先將每幅檢測圖片分成多塊，在網(wǎng)絡訓練過程中會對每塊預測三個不同大小錨框，并根據(jù)錨框與真實目標的重疊區(qū)域置信度（錨框中包含一個物體的可信程度）來判斷最終的預測框。而預測錨框標定的大小使用訓練數(shù)據(jù)中標定的邊框通過K-means算法聚類得到。同時在基礎網(wǎng)絡中，本文引入了殘差模塊和多尺度預測來提高對小目標的識別，同時通過跳層連接進行殘差訓練以減小損失，比較有效地解決了深層網(wǎng)絡梯度彌散和爆炸等問題。在網(wǎng)絡的輸出層，原始YOLO網(wǎng)絡使用的Softmax分類器對兩類細胞同時存在于同個網(wǎng)格的情況無法正確識別與定位，因此本文對每個不同的細胞類別使用單獨的Logistic分類器預測每個錨框屬于特定類別的置信度，并用其取代原有Softmax分類器。

圖1 基礎網(wǎng)絡架構

2.2 DenseNet網(wǎng)絡介紹

2017年Huang等提出了一種全新的網(wǎng)絡結構DenseNet，該網(wǎng)絡結構借鑒了ResNet[20]的思想。在保證特征信息在層與層之間最大程度傳輸?shù)那疤嵯?，將網(wǎng)絡中所有層兩兩連接，使其網(wǎng)絡結構更加緊密。

DenseNet為使特征圖在密集連接傳遞過程中保持尺寸統(tǒng)一，故將網(wǎng)絡結構分為3個密集塊，每個密集塊的3×3卷積前面都包含了一個1×1的卷積操作，即瓶頸層（bottleneck layer），其作用是減少輸入的特征圖數(shù)量，起到了模型壓縮和加速的作用。連接相鄰密集塊結構成為遷移層（transition layer），它由一個卷積層和一個最大池化層組成。如圖2所示。

由于DenseNet可以像殘差網(wǎng)絡一樣減輕梯度消失的情況，加強圖片不同層之間特征信息的傳遞，因而能更有效地利用圖片中提取的特征，同時模型采用的都是小卷積核，能夠進一步減少計算量。本文正是利用DenseNet中這些特點，引入密集模塊，使網(wǎng)絡可以更好地識別血細胞圖片中的不同種類細胞。

圖2 DenseNet網(wǎng)絡結構示意圖

2.3 網(wǎng)絡特征提取部分

隨著深度卷積神經(jīng)網(wǎng)絡層數(shù)的加深，必然會造成信息在傳遞的過程中丟失，不能很好地利用多層特征信息之間的相關性，導致檢測精度降低。為實現(xiàn)多層特征復用和融合，避免新增結構帶來的計算復雜度，本文將網(wǎng)絡的63～74層替換為密集模塊，并增加一個卷積層，其卷積核數(shù)設置為1 024，將YOLO的基礎網(wǎng)絡和密集網(wǎng)絡結合，構建一個YOLO-Dense網(wǎng)絡。更改的結構能夠更有效地利用預測層中提取的特征，因而其檢測速度也比原始的YOLO要快。

網(wǎng)絡的密集模塊的具體結構如圖3所示。在密集模塊中：

其中，x0為模塊輸入特征圖，xl表示第l層的輸出。[x0,x1,…,xl-1]表示對 x0,x1,…,xl-1的拼接。 Hl(?)為BN（Batch Normalization）、ReLU（Rectified Linear Units）及卷積的組合函數(shù)，實現(xiàn)第l層非線性變換。

圖3 YOLO-Dense網(wǎng)絡密集模塊結構示意圖

在YOLO中加入Dense模塊后，YOLO在小目標識別精度上有一定提高，但在血細胞的數(shù)據(jù)集中，白細胞相比血小板較大。與Faster R-CNN相比較，YOLO對較大目標白細胞檢測精度仍有較大的提升空間。因此，本文在Dense模塊的基礎上，引入特征金字塔網(wǎng)絡[21]（Feature Pyramid Network，F(xiàn)PN）的思想對原YOLO的特征提取部分進一步做如下改進，如圖4所示。

本文將特征提取部分的輸出13×13×1 024與第61層輸出的26×26×512降采樣得到的特征拼接在一起。由于深層的特征語義信息比較豐富，但是目標位置不清晰；淺層的特征語義信息比較少，但目標位置精確，所以本文結合特征金字塔網(wǎng)絡思想，融合淺層和深層的輸出，讓網(wǎng)絡同時學習深層和淺層特征，以提高對目標的識別與檢測。隨后采用兩個1×1卷積核而不采用全連接的方式，其主要作用不改變特征圖的大小，減少了特征信息的丟失。

2.4 網(wǎng)絡多尺度特征融合和實驗參數(shù)的選取

在卷積神經(jīng)網(wǎng)絡的前向傳播過程中，低層特征語義信息較少，但目標位置信息準確；高層特征語義信息較豐富，但目標位置信息較粗略。為了加強本文算法對小目標檢測的精確度，在網(wǎng)絡的特征交互部分借鑒特征金字塔的多尺度模塊原理，并針對血細胞識別中細胞形態(tài)學特點，把高層特征與低層特征進行自上而下的側邊連接，使得針對小目標檢測的的深層網(wǎng)絡特征同時具備豐富的語義信息和位置信息。

具體過程如圖5所示：把高層特征進行上采樣，然后將其和對應的前一層特征輸出結合進而與低層特征進行融合。其中采樣模塊由1×1卷積+BN層+LeakyReLU+上采樣組成。在進行了兩次采樣以及特征融合后，在對小尺度目標的預測上，具有更加深層次的CNN網(wǎng)絡結構，并產(chǎn)生了較其他兩種尺度更為精細的特征圖。而且越細小的網(wǎng)格劃分對小目標的適應能力越好，本文特征圖的大尺度分辨率更是達到52×52，極大提高了對小目標的識別。

圖4 YOLO-Dense中特征提取部分網(wǎng)絡（13×13）結構示意圖

圖5 YOLO-Dense網(wǎng)絡示意圖

本文的實驗平臺配置為Intel?Xeon?CPU E3-1245 v3@3.40 GHz處理器，32 GB運行內(nèi)存，2 TB硬盤容量，12 GB GTX Titan X GPU，系統(tǒng)為Ubuntu 16.04。網(wǎng)絡在訓練階段采用動量項為0.9的異步隨機梯度下降，每一個批次（batch）包含68張圖像，權值的初始學習率為0.01，衰減的系數(shù)設置為0.000 5。由于對比實驗中需要對不同改進結構進行訓練，其能達到最優(yōu)識別性能的迭代次數(shù)也不相同，因此本文訓練時動態(tài)監(jiān)控，每1 000次迭代保存一次網(wǎng)絡的權重文件，以便選取其最佳權重文件，防止過擬合。

3 實驗設計和結果分析

3.1 實驗數(shù)據(jù)集

本文數(shù)據(jù)集是將采集到的血細胞圖片使用改良過的瑞特-吉姆薩雙重染色法[22]進行染色，得到了較為清晰的血細胞染色圖片，并在醫(yī)生的指導下進行專業(yè)的人工標注，最終得到800張640×480的顯微圖像，每張細胞圖片包括白細胞、紅細胞和血小板三類。對于處于圖片邊緣的局部細胞，如果面積小于整個細胞的30%則不對其進行標注，高度粘連的細胞（細胞重疊部分超過80%）只標注成一個細胞。實驗中，隨機選取700張圖片作為訓練集，100張作為測試集，部分示例樣本如圖6所示。

圖6 示例細胞圖片及其對應的標注

3.2 評估標準

本文主要使用平均檢測精度mAP（mean Average Precision）作為識別性能的評估標準。檢測精度AP（Average Precision）指的是該類別的精確率（Precision）對該類別的召回率（Recall）的和，而mAP是對所有細胞類別取平均，下面給出精確度和召回率的定義：

以紅細胞為例，TP表示正確檢測出來的紅細胞，F(xiàn)P則為錯誤檢測出來的紅細胞，F(xiàn)N表示沒有被檢測出來的紅細胞。而Average Precision（AP）的計算公式為：

P、R分別為公式（2）和（3）中定義的精確率和召回率，Q為類別數(shù)。

本文涉及到細胞計數(shù)，所以引入了兩個新的評價指標：漏檢個數(shù)，即有多少細胞被漏檢；誤檢個數(shù)，即有多少細胞被誤檢，通過這兩個指標，能夠更直觀地判斷模型的優(yōu)劣。

3.3 實驗結果分析

在深度學習中，訓練樣本圖像的質量以及多樣性，直接影響到CNN目標檢測精度。但由于血細胞圖片的采樣與獲取較為困難，所以目前數(shù)據(jù)集僅有800張圖片，缺少樣本多樣性，因此三種框架檢測結果均有待提高。

在該數(shù)據(jù)集中，由于細胞粘連的情況下細胞的信息損失嚴重，原YOLO網(wǎng)絡的漏檢較多，同時也有很多誤檢，而本文提出的YOLO-Dense模型則有較大的改進，檢測效果示例如圖7所示，改進后的YOLO-Dense模型漏檢和誤檢較少。

圖7 不同網(wǎng)絡結構的檢測結果對比示意圖

在原始YOLO算法對細胞檢測識別率低的情況下，提出的最新改進后網(wǎng)絡結構YOLO-Dense在8 000迭代時，模型得到其最優(yōu)性能。其中測試集檢測結果如表1、表2所示。

表1 三種目標檢測算法識別精度對比（AP）

表2 三種目標檢測算法綜合識別性能對比

實驗結果上可以看出，原始YOLO網(wǎng)絡的細胞的平均檢測精度最低，尤其是白細胞檢測精度僅為0.36。分析其原因主要是原始YOLO網(wǎng)絡直接將一幅圖像分成7×7個網(wǎng)格，對每個網(wǎng)格預測2個框，并且每個格子只預測出一個物體。而本文數(shù)據(jù)集中一個白細胞大約占整張圖片1/8，由于白細胞過大且數(shù)量較少，極易造成白細胞定位不準確的情況，所以原始YOLO算法很難正確檢測出白細胞數(shù)量。不僅如此，原始YOLO網(wǎng)絡由于對每個預測框只檢測為一個類，本數(shù)據(jù)集中紅細胞粘連情況較多，且血小板僅占整張圖片1/118。所以對相互靠得很近的紅細胞，以及過小的血小板檢測效果均不理想。

Faster R-CNN在大目標（白細胞）識別中精度最高，但平均識別精度只比原始的YOLO高。究其原因，F(xiàn)aster R-CNN與YOLO網(wǎng)絡最大不同是將回歸與分類分開進行，雖然在檢測精度上大幅提高，但檢測速度卻遠遠落后于其他兩種網(wǎng)絡框架。其次，F(xiàn)aster R-CNN引入anchor思想對特征圖的每一個位置預測9個等比例于原圖的長寬比以及面積比的錨框，大大提高了模型的位置預測能力。但由于Faster R-CNN未對錨框進行聚類分析，所以針對于PASCAL VOC數(shù)據(jù)集的錨框并不適用于本數(shù)據(jù)集特點，導致血小板檢測精度低。但相反白細胞更接近于PASCAL VOC數(shù)據(jù)集特點，且細胞清晰可辨，所以檢測精度才能達到0.94。

對于本文提出的YOLO-Dense網(wǎng)絡，雖然在密集連接時網(wǎng)絡會顯得比較冗余，但并不會增加太多參數(shù)量和計算量，從而對檢測速度不會產(chǎn)生過多影響。特別是采用密集網(wǎng)絡連接的拼接方式，使得每層直接從損失函數(shù)中得到梯度和輸入信號，從而能夠訓練更深的網(wǎng)絡，進一步提高網(wǎng)絡的檢測精度同時減少檢測速度，提升網(wǎng)絡總體性能。本文也借鑒anchor的思想，對YOLO-Dense的多個尺度均預測3個錨框（即每個單元格預測3×3個錨框），使其與Faster R-CNN的錨框數(shù)持平，并且針對不同大小的目標設置不同尺度進行檢測，極大提高了檢測的精度。網(wǎng)絡輸出層使用了Logistic分類器取代原來所使用Softmax分類器，使得最終的檢測精度也提高了0.3。并且從表2中也可以看出，本文提出的網(wǎng)絡平均識別精度最高，誤檢個數(shù)和漏檢個數(shù)也最少，但檢測時間卻比Faster R-CNN快近10倍。

4 結束語

本文基于深度學習YOLO框架提出了一種改進的血細胞目標檢測方法。將DenseNet的密集連接思想融入到原YOLO網(wǎng)絡特征提取部分，實現(xiàn)了特征信息的高度融合和復用；同時運用特征金字塔的思想，將淺層信息與深層信息相融合，進一步提高特征信息的融合，提高細胞檢測精度。實驗表明該優(yōu)化模型檢測精度高、速度快、對模糊和粘連細胞檢測具有更強的魯棒性，均值平均精度達到了0.86，且檢測速度達24.9 ms，獲得了較好的檢測效果，實驗驗證該方法能夠用于血細胞自動檢測計數(shù)。