leukemia-cell-detection:基于 YOLOv8 与 PyQt5 的白血病细胞识别系统项目

白血病细胞识别

Branch1Tags0
FilesLast commitLast update
5 months ago

基于 YOLOv8 的白血病细胞识别系统

🔬 医学检测 · 白血病细胞 · AI辅助诊断 | YOLOv8 + PyQt5 完整方案

源码获取地址

🎬 哔哩哔哩效果演示:https://www.bilibili.com/video/BV1eLa3z9ERa/

📥 视频简介处下载完整源码(含训练代码 + 标注数据集 + 训练权重 + PyQt5 图形界面 + 完整训练流程 + 部署教程)


项目概述

白血病是造血系统的恶性肿瘤,是全球最常见的血液系统恶性肿瘤之一。据世界卫生组织数据,全球每年新发白血病病例超过 40 万例。白血病的诊断"金标准"是骨髓穿刺和外周血涂片的形态学检查——检验科医生在显微镜下观察血涂片,根据细胞的形态、大小、染色质特征和胞浆颗粒等指标判断是否存在异常的白血病细胞。一名经验丰富的血液科检验医师需要经过 3~5 年的专门培训才能独立出具诊断报告。

在基层医疗机构中,血液病专科检验医师极度缺乏——中国约有 2.8 万家基层医疗机构,但注册的血液病专科医师不足 5000 人。这意味着大量疑似白血病患者需要将血涂片样本送往上级医院会诊,等待时间通常为 3~7 天,对于急性白血病而言,这个等待时间可能直接决定治疗窗口的宽度。

本系统基于 YOLOv8 目标检测算法,实现了血液涂片中白血病细胞的自动检测和计数。配合 PyQt5 桌面界面,适用于医院检验科的血常规辅助分析、基层医疗机构的远程会诊和医学教学演示。


效果展示

系统主界面

检测效果1

检测效果2


检测体系

检测目标 英文名 细胞特征 临床意义
🟣 白血病细胞 Leukemia Cell 核浆比增大、核仁明显、染色质异常 白血病诊断核心指标
🔵 正常白细胞 Normal WBC 核浆比正常、染色质均匀 对照基线

血涂片检测的技术挑战

血涂片中的细胞检测在视觉层面面临独特挑战:(1) 密集重叠——一张血涂片在 40× 物镜下每个视野可能有数十到数百个细胞,细胞之间频繁重叠,个体分割困难;(2) 类间高度相似——正常淋巴细胞和某些类型的白血病细胞在形态上差异极为细微(如染色质的粗细程度、核仁的大小),需要模型捕捉亚细胞级别的纹理差异;(3) 染色差异——不同实验室的瑞氏-吉姆萨染色条件和染色时间不同,导致同一类细胞在不同血涂片上的颜色深浅和色调有差异,模型需要具备染色不变性。

YOLOv8 的多尺度特征提取能力使模型能够同时捕捉细胞的整体形态特征(P5 层)和细胞核内的细微纹理差异(P3 层),对白血病细胞的精准识别至关重要。

免责声明

⚠️ 本系统仅供医学研究和教学辅助用途,不可直接用于临床诊断决策。所有检测结果应由具备执业资格的血液科或检验科医师进行复核确认。


核心功能

模块 说明
📸 图片检测 上传血涂片照片,自动检测白血病细胞
📚 批量检测 批量处理血涂片,生成细胞统计报告
🧠 一键训练 支持自定义数据集微调

技术架构

YOLOv8 + PyQt5 + OpenCV

快速部署

pip install -r requirements.txt
python main/ui_main.py

应用场景

医院检验科辅助分析 · 基层医疗机构远程会诊 · 血液病筛查 · 医学教学

总结

YOLOv8 白血病细胞识别系统为血液病检验提供了 AI 辅助工具。在基层医疗机构中,系统可以作为初筛工具将疑似病例标记出来供上级医院远程复核,弥补血液病专科医师缺乏的短板。

Introduction

白血病细胞识别

Customize your domain