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.

法医病理学;人工智能;深度学习;硅藻检验;YOLOv3;扫描电子显微镜;图像识别

南京医科大学法医学系,江苏 南京 211166;南京市公安局水上分局,江苏 南京 210036

[1]陈吉;刘晓荣;杨佳雯;陈冶秋;王诚;欧梦媛;吴嘉仪;俞尤嘉;李开;陈鹏;陈峰-.基于YOLOv3的硅藻电子显微镜图像识别模型的构建及应用)[J].法医学杂志,2022(01):46-52

YOLOv3,图像识别,识别模型,构建及应用,实际案例,法医学,和图像,网络训练,溺死,肾组织,阈值下,下利,模型识别,人工识别,召回率,查准率,实际应用效果,验证集,测试集,平均精度均值,肺组织,体查,快速识别,法医病理学,硅藻检验

0.242983