基于yolov5+opencv实现细胞检测计数源码(带GUI界面)+训练好的模型+数据集+评估指标曲线+操作使用说明.zip
细胞识别检测，识别检测目标类别：白细胞、红细胞、血小板
【备注】主要针对正在做毕设的同学和需要项目实战的深度学习cv图像识别模式识别方向学习者。
也可作为课程设计、期末大作业。包含：项目源码、训练好的模型、项目操作说明等，该项目可直接作为毕设使用。
也可以用来学习、参考、借鉴。如果基础不错，在此代码上做修改，训练其他模型。
2022-12-13 11:30:25
40.13MB
本系统是一个医院中血液红细胞计数的实用系统。它主要是以病人的血液样本（玻璃切片）为原始数据，通过一系列的图像处理和分析，最后识别出血液中的红细胞来，同时给出红细胞的个数，得到红细胞个数之后，进行检测的血液量，就可以得出血液中红细胞的密度。该系统可以很方便地应用于临床诊断上，大大的提高速度和效率。
2021-09-06 14:55:43
3.08MB
1
细胞识别。经过一系列数字图像处理步骤后，可以把血液图中每个细胞都标识出来，并得出细胞数目，平均半径和平均面积。VC6.0源码，Debug里有生成的应用程序，打开附带的BMP图像后点击cell-processing按顺序进行图像处理最终可实现细胞计数。
2021-08-14 23:18:32
825KB
1
行业分类-物理装置-基于机器学习的慢性淋巴细胞白血病肿瘤细胞识别方法.zip
2021-08-04 14:02:37
683KB
肿瘤细胞的捕获研究对癌症的诊断和治疗具有重要意义。针对当前人工对捕获后的肿瘤细胞计数耗时长且易受人的主观影响等问题，利用Matlab设计了一种对被捕获的肿瘤细胞进行自动识别与计数的系统。通过对细胞图像进行灰度变换、阈值分割、形态学处理、分水岭分割等处理，提取出细胞区域并计数。通过计算细胞圆形度，将满足圆形度阈值的细胞标记并计数。实验结果表明，被捕获的肿瘤细胞圆形度阈值为0.87，系统自动识别错误率在6.3%左右，具有可行性，能够满足实际需求。
2021-06-18 16:44:52
1.72MB
1
肿瘤细胞的捕获研究对癌症的诊断和治疗具有重要意义。针对当前人工对捕获后的肿瘤细胞计数耗时长且易受人的主观影响等问题,利用Matlab设计了一种对被捕获的肿瘤细胞进行自动识别与计数的系统。通过对细胞图像进行灰度变换、阈值分割、形态学处理、分水岭分割等处理,提取出细胞区域并计数。通过计算细胞圆形度,将满足圆形度阈值的细胞标记并计数。实验结果表明,被捕获的肿瘤细胞圆形度阈值为0.87,系统自动识别错误率在6.3%左右,具有可行性,能够满足实际需求。
2021-06-05 19:03:44
1.81MB
可以识别统计图片中的细胞数量，和面积。
文章地址：https://mp.csdn.net/editor/html/115241142
2021-03-27 20:16:28
53.12MB