针对白细胞数据样本少、类间差别小及目标尺寸小导致的检测精度低、效果不佳等问题,提出一种基于改进YOLOv5的白细胞检测算法YOLOv5-CHE。在主干特征提取网络的卷积层中添加坐标注意力机制,以提升算法的特征提取能力;使用四尺度特征检测...针对白细胞数据样本少、类间差别小及目标尺寸小导致的检测精度低、效果不佳等问题,提出一种基于改进YOLOv5的白细胞检测算法YOLOv5-CHE。在主干特征提取网络的卷积层中添加坐标注意力机制,以提升算法的特征提取能力;使用四尺度特征检测,重新获取锚点框,增加浅层检测尺度,来提高小目标的识别精度;改变边框回归损失函数,以提升检验框检测的准确率。实验结果表明,对比标准的YOLOv5算法,YOLOv5-CHE算法的平均精度均值(mean average precision,mAP)、精准率和召回率分别提升了3.8个百分点、1.8个百分点和1.5个百分点,验证了该算法对白细胞检测具有很好的效果。展开更多
目的：探讨人类白细胞抗原（ HLA）-DQA1位点基因多态性与尘肺病发病的相关性。方法采用1∶1配比的病例-对照研究方法，选取130例已确诊为尘肺病的患者作为尘肺组，另选130例与尘肺组年龄和累计接尘工龄相近、同性别、同民族、同一工作...目的：探讨人类白细胞抗原（ HLA）-DQA1位点基因多态性与尘肺病发病的相关性。方法采用1∶1配比的病例-对照研究方法，选取130例已确诊为尘肺病的患者作为尘肺组，另选130例与尘肺组年龄和累计接尘工龄相近、同性别、同民族、同一工作地点的健康接尘工人作为对照组。用多重聚合酶链反应-连接酶检测反应分型法，检测2组研究对象HLA-DQA1共6个位点的等位基因，并分析其与尘肺病的相关性。结果尘肺组HLA-DQA1＊0201和HLA-DQA1＊0601基因频率均高于对照组（14.62％ vs 8.85％，12.69％ vs 7.31％），而HLA-DQA1＊0101基因频率低于对照组（34.23％vs 43.08％），差异均有统计学意义（P＜0.05）。 Logistic回归分析显示，HLA-DQA1＊0101、HLA-DQA1＊0201和HLA-DQA1＊0601等位基因频率与尘肺病有关联（P＜0.05），优势比分别为0.688、1.764和1.844，95％可信区间分别为（0.482～0.981）、（1.018～3.055）和（1.019～3.336）。结论 HLA-DQA1＊0201和HLA-DQA1＊0601基因可能是尘肺病的易感基因，HLA-DQA1＊0101基因可能是尘肺病的保护基因。展开更多
文摘针对白细胞数据样本少、类间差别小及目标尺寸小导致的检测精度低、效果不佳等问题,提出一种基于改进YOLOv5的白细胞检测算法YOLOv5-CHE。在主干特征提取网络的卷积层中添加坐标注意力机制,以提升算法的特征提取能力;使用四尺度特征检测,重新获取锚点框,增加浅层检测尺度,来提高小目标的识别精度;改变边框回归损失函数,以提升检验框检测的准确率。实验结果表明,对比标准的YOLOv5算法,YOLOv5-CHE算法的平均精度均值(mean average precision,mAP)、精准率和召回率分别提升了3.8个百分点、1.8个百分点和1.5个百分点,验证了该算法对白细胞检测具有很好的效果。
文摘目的：探讨人类白细胞抗原（ HLA）-DQA1位点基因多态性与尘肺病发病的相关性。方法采用1∶1配比的病例-对照研究方法，选取130例已确诊为尘肺病的患者作为尘肺组，另选130例与尘肺组年龄和累计接尘工龄相近、同性别、同民族、同一工作地点的健康接尘工人作为对照组。用多重聚合酶链反应-连接酶检测反应分型法，检测2组研究对象HLA-DQA1共6个位点的等位基因，并分析其与尘肺病的相关性。结果尘肺组HLA-DQA1＊0201和HLA-DQA1＊0601基因频率均高于对照组（14.62％ vs 8.85％，12.69％ vs 7.31％），而HLA-DQA1＊0101基因频率低于对照组（34.23％vs 43.08％），差异均有统计学意义（P＜0.05）。 Logistic回归分析显示，HLA-DQA1＊0101、HLA-DQA1＊0201和HLA-DQA1＊0601等位基因频率与尘肺病有关联（P＜0.05），优势比分别为0.688、1.764和1.844，95％可信区间分别为（0.482～0.981）、（1.018～3.055）和（1.019～3.336）。结论 HLA-DQA1＊0201和HLA-DQA1＊0601基因可能是尘肺病的易感基因，HLA-DQA1＊0101基因可能是尘肺病的保护基因。
