基于YOLOv10与黑猩猩首领选举优化算法的尿液沉渣显微图像自动分析

摘要

该研究提出了一种利用UMID数据集检测和分类尿液细胞的模型，包括红细胞、白细胞、上皮细胞、结晶和细菌。该模型采用结合黑猩猩首领选举优化算法的YOLOv10，在测试子集上达到了84%的mAP50，有望减少临床尿液分析中人工显微镜检查的工作量。

摘要

为了诊断多种泌尿系统疾病，准确检测尿液中的细胞至关重要。本文提出了一种结合YOLOv10（You Only Look Once 第10版）模型与CLEO算法的新型尿液细胞检测与分类方法。YOLOv10在目标检测任务中表现出卓越性能，而CLEO是一种受自然界启发的优化算法。该模型在尿液显微图像数据集（UMID）上进行训练，该数据集包含多种类型的尿液细胞图像。模型实现了对多种细胞类型的分类，包括细菌、上皮细胞、红细胞（RBCs）、白细胞（WBCs）、结晶体和管型，直接从尿液样本的显微图像中完成识别。严格的测试结果表明，结合CLEO算法的YOLOv10在尿沉渣分析中具有良好的鲁棒性，平均精度均值@50（mAP50）达到84%，召回率达到90%。因此，与传统的尿沉渣分析方法相比，该方法在分析速度和一致性方面均有显著提升。该框架能够以良好的检测性能实时自动分析尿沉渣图像，有望辅助计算机辅助的临床尿液分析，从而减轻人工分析与诊断的工作负担。

引言

通过尿液分析可以检测肾脏疾病、尿路感染、代谢紊乱以及全身性异常，这一过程在诊断中具有非常重要的意义^1,2。显微镜下检查尿沉渣对于识别红细胞（RBC）、白细胞（WBC）、细菌、真菌、管型等微小成分至关重要³。然而，传统的光学显微镜手动分析费时费力，且依赖技术人员的操作技能，在繁忙的临床环境中可能导致观察者间差异和诊断结果不一致^4,5。

为解决尿液样本自动化检测中的困难，亟需一种针对性的方法。深度学习在图像分析中的目标定位与分类方面展现出卓越的实时性能，这为医学影像领域带来了希望，尤其是在目标检测算法方面，其中典型的代表是“你只看一次”（You Only Look Once, YOLO）系列算法^6,7,8。以往基于YOLO变体的研究在应对尿液颗粒重叠、尿液颗粒形态差异、类别不平衡以及复杂条件下的检测准确率较低等问题时面临挑战^3,9,10,11。此外，这些基于YOLO的系统依赖人工选择超参数，可能限制模型的泛化能力与优化效果。

YOLOv10 是一种当前的模型，可提升实时图像分析中的特征提取能力、计算效率和推理速度¹²。但其性能依赖于找到一组最优参数，这是一个复杂的非线性优化问题，可能影响收敛的稳定性以及检测的准确性。因此，必须采用一种高效的优化方法，以提升该方法在显微尿沉渣检测中的性能。本研究引入了受黑猩猩社会等级制度启发的 CLEO 算法，用于优化 YOLOv10 的参数。CLEO 在平衡探索与开发能力方面表现优异，能够有效应对高维优化挑战，从而克服传统方法常见的陷入局部最优问题^13,14。这种改进在尿沉渣分析中具有重要意义。在此应用中，成像条件多变，颗粒的形状和纹理也各不相同。在这些条件下，需要实现稳定的检测性能。CLEO 可用于实时临床应用，相较于其他常用优化算法，能够实现更快的收敛速度和更优的全局搜索结果¹⁵。

本文综述了利用深度学习进行尿液细胞分析所取得的进展。在早期的自动化尿沉渣分析中，传统图像处理技术（如阈值分割和特征提取）常与支持向量机（SVM）、k-近邻（k-NN）、决策树和随机森林算法等分类器结合使用^{16,17,18,19,20}。这些方法取得了一定成效，但在处理细胞重叠、不同光照条件、噪声以及复杂的沉渣形态时表现不佳。此外，这些方法需要大量领域知识来人工构建特征。随着深度学习的发展，特别是卷积神经网络（CNN）的兴起，图像分析能力显著提升，AlexNet 和 ResNet 等网络结构实现了更高的分类准确率²¹。然而，大多数基于 CNN 的方法仍主要集中于图像级别的分类，而非显微图像中多种沉渣颗粒的实时检测与定位。

YOLO系列目标检测框架因其快速且准确的性能，在医学图像分析领域获得了广泛关注。与基于区域提议的技术（如Faster R-CNN和Mask R-CNN）相比，基于YOLO的系统（如YOLOv3、YOLOv5和YOLOv8）在尿液沉渣成分的实时检测性能和定位精度方面表现出更优的结果^14,15,22。然而，仍存在一些挑战，包括对类别不平衡的敏感性、对微小或相似颗粒分类精度不足，以及依赖人工选择训练参数等问题。近期研究表明，将元启发式优化技术（如粒子群优化（PSO）²³、遗传算法（GA）²⁴、灰狼优化（GWO）²⁵、鲸鱼优化算法（WOA）²⁶和蚁群优化（ACO）²⁷）与深度学习系统相结合^{28,29,30,31,32,33}，可改善超参数优化并提升训练效率。然而，这些传统优化方法可能陷入局部最优解，在高维空间中难以充分探索解空间，从而导致过早收敛。

CLEO 是一种基于黑猩猩社会行为的新型元启发式优化方法，可改善探索与开发的平衡性，并提升全局优化能力。研究表明，该方法通过消除局部极小值并成功遍历解空间来解决复杂问题，性能优于传统算法，但在生物医学目标检测和尿沉渣分析中的应用尚未得到充分探索。现有的尿沉渣分析框架主要集中在改进检测结构或独立优化检测过程，对于这些改进如何影响实时尿沉渣分析的诊断性能，尚缺乏深入的分析与见解。

鉴于文献中的这些空白，本研究将 CLEO 与在特征表示和实时性能方面更具优势的 YOLOv10 架构相结合，以实现尿液沉渣显微镜检查的自动化分析。该框架旨在提高检测的准确性和鲁棒性，并可集成到用于临床的实时尿液分析系统中，结合了 YOLOv10 快速检测物体的能力与 CLEO 对超参数进行自适应优化的优势。

该研究提出了一种结合 YOLOv10 与 CLEO 优化算法的新方法，用于尿液沉渣显微镜图像的自动化分析，并适用于实时应用。选择 YOLOv10 进行实现，是因为其在检测性能方面表现出卓越的准确性、计算效率以及实时推理能力，非常适合用于尿液沉渣显微图像的自动化分析。该模型可提升端到端检测效率，减少后处理步骤，并在检测小尺寸且形态多样的目标时实现高性能。与现有仅关注网络结构改进的基于 YOLO 的方法不同，本框架引入了一种元启发式优化流程，以提升模型参数优化效果和检测鲁棒性。该方法旨在提高对不同类别人工尿液沉渣颗粒的目标检测准确率，并增强临床环境中推理过程的效率。研究假设，这种融合将带来更高的检测准确率、更强的收敛稳定性以及更高的计算效率，最终帮助实验室专业人员减轻手动工作负担，确保尿液分析的一致性与快速性。

方案

本研究使用的数据来自一个公开的显微尿沉渣图像研究数据库。在研究过程中，未使用任何可识别患者身份的个人信息。本方案所涉及的商业化产品列于材料表中。

获取并准备数据集
获取了包含红细胞（RBCs）、白细胞（WBCs）、上皮细胞、结晶、管型、细菌和酵母菌的显微尿沉渣图像。所有图像均采用一致的命名规范，保存为 PNG 或 JPEG 格式。剔除了模糊或质量较差、含有不完整沉渣成分的图像。使用边界框标注软件对尿沉渣颗粒进行对象级别标注。每种沉渣类型被分配一个类别编号，标注结果以 YOLO 格式导出，包含类别标识符、归一化的中心坐标、边界框宽度和边界框高度。通过随机选取已标注图像，人工验证标注质量。

数据集被随机分为三个子集，分别包含70%的训练数据、15%的验证数据和15%的测试数据。我们使用Python Scikit-learn中的train_test_split()函数，采用分层抽样方法对数据集进行划分。每个子集均保持了所有沉积物类别的比例代表性。采用分层随机划分方法以最小化数据集各分区之间的类别差异。各类别图像在尿液沉积物分类中的分布情况如表1所示。

所有显微图像均使用 OpenCV 通过双线性插值调整为 640 × 640 像素。像素强度值被归一化至 [0,1] 范围内。在训练过程中，通过水平翻转、垂直翻转、随机旋转（±15°）、亮度调整和对比度调整进行数据增强。预处理后的图像分别保存在训练、验证和测试文件夹中。

系统配置
为基于深度学习的尿沉渣分析配置了实验环境。安装了 Python 3.10 版本、PyTorch 深度学习框架以及用于 GPU 加速的 CUDA Toolkit 12.1 版本。同时安装了其他 Python 软件包，包括 OpenCV、NumPy、Pandas、Matplotlib 和 Scikit-learn。在实验开始前，已下载并配置好 YOLOv10 实现的代码仓库。尽可能启用了确定性 GPU 计算，并记录了实验过程中使用的所有软件包版本，以确保实验的可重复性。

基于 YOLOv10 的尿液沉渣检测
图 1 展示了 YOLOv10 的示意图。加载了在 COCO 数据集上预训练的 YOLOv10 权重。通过将默认的 COCO 类别数量替换为尿液沉渣类别数量，将最终检测层替换为自定义输出层。根据 YOLOv10 结构实现了无锚点检测配置。

训练超参数的初始设置为：学习率为 0.001，批量大小为 16，训练 300 个周期，采用 AdamW 优化器，权重衰减为 0.0005。应用了余弦退火学习率调度策略，并在训练过程中启用了早停机制，耐心值设为 20。

将训练数据集输入YOLOv10网络，以生成边界框预测结果和类别概率。在训练过程中计算定位损失、分类损失、置信度损失以及总损失。通过反向传播和梯度下降优化方法更新模型权重。每轮训练结束后，使用验证数据集进行模型验证。

图1：YOLOv10 的架构。用于自动化尿液沉渣分析的 YOLOv10 目标检测架构示意图。该图展示了参与特征提取、多尺度特征融合以及显微镜下尿液沉渣颗粒无锚框目标检测的骨干网络、颈部结构和检测头组件。请点击此处查看此图的放大版本。

黑猩猩领袖选举优化算法（Chimpanzee Leader Election Optimization, CLEO）
CLEO 的示意图如图2所示。优化搜索空间包括学习率 0.0001–0.01、批量大小 8–32、动量 0.8–0.99、权重衰减 0.0001–0.001，以及置信度阈值 0.25–0.75。生成了一个包含随机候选解的初始黑猩猩种群。使用每个候选黑猩猩所代表的超参数训练 YOLOv10，并通过验证集的平均精度均值（mAP）评估模型性能。适应度函数定义为：

其中， 和 代表权重系数。选择适应度得分最高的黑猩猩候选者作为领导者。其余候选解根据 CLEO 位置更新规则进行更新。通过迭代执行探索与开发过程，以确定最优超参数。优化过程重复 50 次，或直至适应度提升 < 0.001 时停止。所分配的权重分别为 0.5、 0.25，以及 0.25。将 CLEO 生成的最优超参数应用于 YOLOv10 框架。使用完整的训练数据集对网络进行重新训练，并根据验证集性能保存表现最佳的模型权重。所提出模型的工作流程如图 3所示。

图 2：黑猩猩领导者选举优化算法。 CLEO优化算法的工作流程，展示候选解的初始化、适应度评估、领导者选择、探索-开发更新策略，以及针对YOLOv10框架超参数优化的迭代收敛过程。请点击此处查看该图的放大版本。

图3：所提出模型的工作流程。所提出的用于自动化尿沉渣分析的 YOLOv10 + CLEO 框架的整体工作流程，包括数据集获取、图像预处理、标注、模型训练、基于 CLEO 的超参数优化、检测及性能评估。请点击此处查看该图的放大版本。

模型评估
使用独立测试数据集对优化后的 YOLOv10 + CLEO 模型进行测试。计算了包括准确率、精确率、召回率、F1 分数、mAP50 和 mAP50-95 在内的性能评估指标，计算过程采用 Scikit-learn 的指标函数。同时记录了每张图像的平均推理时间。将预测的沉积物类别与真实标注进行比较，为所有沉积物类别生成混淆矩阵。根据分类结果识别出常被误分类的沉积物颗粒。在相同的硬件配置下，对 YOLOv5、YOLOv8 和 Faster R-CNN 等对比模型使用 UMID 数据集进行训练和评估。

结果

训练损失和验证损失曲线如图4所示，展示了YOLOv10结合CLEO在尿液细胞检测任务中的性能指标。用于检测尿液细胞的预测边界框的准确性通过边界框损失（box loss）来衡量；对正确类别的预测误差则通过分类（cls）损失来评估。分布式焦点损失（dfl）用于提升边界框回归的准确性。所有训练曲线的数值从1.0逐渐下降至约0.1，明显表明模型性能随训练时间推移而持续提升。验证曲线与训练曲线之间的差异极小，表明模型过拟合程度较低，泛化能力较强。因此可以得出结论：该模型在训练和验证过程中的边界框预测、分类以及焦点损失方面均实现了稳定改进。结果表明，所提出模型的学习效果良好，损失值随时间推移持续降低。

随着训练的进行，精确率随训练轮数稳步上升，表明该模型在尿液细胞检测中能够做出正确的预测。召回率用于衡量尿液样本中真实阳性细胞的比例，其值在0.1至0.90之间变化。在交并比（IoU）阈值为50%的条件下，mAP50曲线在300个训练轮次内从0.2迅速上升至0.84。mAP50–95指标达到0.58的阈值，即使在更严格的IoU阈值下，仍能...

讨论

本研究的结果提供了有力证据，表明在医学诊断背景下，借助 YOLOv10 和 CLEO 可实现尿液沉渣成分的自动检测与分类。通过使用 CLEO 优化 YOLOv10 的超参数，所提出的模型为及时决策提供了更快速且更可靠的解决方案。该系统对多种尿液细胞（如红细胞、白细胞、上皮细胞、细菌、结晶和管型）均表现出高精确率、高召回率、高 F1 分数以及高平均精度均值（mAP）。

此外，与 CLEO 模型结合的 YOLOv10 在性能上优于包括 YOLOv5、YOLOv8、Faster R-CNN、EfficientDet 和 DETR 在内的传统分析方法，在所有类别上实现了 84% 的 mA50，因此可实际应用于临床环境。该方法表明，进化优化技术与现代目标检测系统的结合能够提升临床相关显微颗粒在收敛行为和检测效率方面的表现。研究结果表明，该方法在未来计算机辅助尿液分析系统中具有广阔的应用前景，有望实现更快、更一致且更大通量的尿沉渣分析，同时减少临床实验室工作流程中的手工操作负担。

尽管所提出的YOLOv10与CLEO框架集成系统表现出良好...

材料

本文使用的材料清单

姓名	公司	目录编号	评论
CUDA Toolkit 12.1	NVIDIA Corporation	版本 12.1 / RRID:SCR_018425	GPU 加速平台
LabelImg 标注工具	Tzutalin	RRID:SCR_016189	图像标注工具
Matplotlib	Matplotlib 开发团队	版本 3.x	数据可视化
NumPy	NumPy 开发者	版本 1.x	数值计算
OpenCV	OpenCV.org	RRID:SCR_015881	图像预处理与分析
Pandas	Pandas 开发团队	版本 2.x	数据处理与分析
Python 3.10	Python 软件基金会	RRID:SCR_008394	编程语言
PyTorch	PyTorch 基金会	RRID:SCR_018536	深度学习框架
Scikit-learn	scikit-learn 开发者	RRID:SCR_002577	机器学习工具库
Ubuntu Linux	Canonical Ltd.	版本 22.04	操作系统
尿沉渣显微图像数据集	公开数据集仓库	GitHub - dipamgoswami/UMID-Urine-Microscopic-Image-Dataset: 带有点标注和框标注的尿液显微图像数据集 · GitHub	尿液显微图像数据集
YOLOv10 实现	Ultralytics	YOLOv10：实时端到端目标检测 | Ultralytics 文档	目标检测框架