全文总字数：2244字

1. 研究目的与意义及国内外研究现状

目的：学习yolo系列算法的基本原理，利用最新的yolo v3算法实现对血细胞的自动检测，并体会yolo v3轻量、快速、准确的特点。

意义：在医学影像领域，临床检测中极其重要的一环便是对血细胞进行检测——识别并对其分类，研究的关键在于对不同类型的血细胞进行快速且准确的分类。目前，最常见的血细胞检测方式是血细胞分析仪和人工镜检，即先用血细胞分析仪对样本进行筛查，如有发现异常样本，再通过肉眼用显微镜进行观察，确定最终的结果。人工镜检是血细胞分类的标准,准确度能够达到95%以上。但是人工检测的效率低，速度慢，而且准确度在很大程度上受检测人员经验和状态的影响。但近几年来，随着深度学习在目标检测领域取得的重大突破，利用深度学习技术对医学影像进行分析成为了当今最火热的研究方向。如果能够研究一种速度与准确性兼具的算法，自动地对血细胞进行检测，会在疾病诊断方面给予医生极大的帮助。

2. 研究的基本内容

针对血细胞的自动检测，研究目前常用算法的缺陷，并基于最新的yolo v3算法，实现兼具检测速度与准确的自动检测，该研究具有重要的理论与实际意义，主要内容包括：

1、学习传统的目标检测算法和基于卷积神经网络的目标检测算法；

2、掌握yolo系列算法的基本原理，训练yolo v3算法需要的权重文件，实现对血细胞的自动检测；

3. 实施方案、进度安排及预期效果

实验方案：通过阅读相关文献，了解血细胞自动检测的相关背景和研究意义，学习目前常用深度学习算法基本原理，针对其存在的缺陷，利用最新的yolo v3算法，积极探索，深入研究，最终完成对血细胞的自动检测。

进度安排：

4. 参考文献

【1】胡越, 罗东阳, 花奎, 等. 关于深度学习的综述与讨论[J]. 智能系统学报, 2019, 14(1): 1-19.【2】Redmon J, Farhadi A. Yolov3: An incremental improvement[J]. arXiv preprint arXiv:1804.02767, 2018.【3】刘飞, 张俊然, 杨豪. 基于深度学习的医学图像识别研究进展[J]. 中国生物医学工程学报, 2018, 37(1): 86-94.【4】张慧, 王坤峰, 王飞跃. 深度学习在目标视觉检测中的应用进展与展望[J]. 2017.【5】Kolhatkar D, Wankhade N. Detection and counting of blood cells using image segmentation: a review[C]//2016 World Conference on Futuristic Trends in Research and Innovation for Social Welfare (Startup Conclave). IEEE, 2016: 1-5.【6】Biswas S, Ghoshal D. Blood cell detection using thresholding estimation based watershed transformation with Sobel filter in frequency domain[J]. Procedia Computer Science, 2016, 89: 651-657.【7】李渊, 骆志刚, 管乃洋, 等. 生物医学数据分析中的深度学习方法应用[J]. 生物化学与生物物理进展, 2016, 43(05): 472-483.