近日，工学部教师杨静在先后在国际学术期刊Veterinary Sciences和Bioengineering 上分别发表题为 Automated Detection of Parasitic Elements in Veterinary Fecal Samples Using a Deep Learning-Based Object Detection Framework和Parameter-Reduced YOLOv8n with GhostConv and C3Ghost for Automated Blood Cell Detection的学术论文2篇。聚焦人工智能在生物医学显微图像分析中的应用，分别面向动物寄生虫检测与血细胞自动识别开展了研究，学部在智能检测与医工交叉研究领域取得的新进展。
在动物寄生虫智能检测研究中，团队构建了基于YOLOv8n的目标检测框架，实现了对犬猫粪便样本中6类常见寄生虫目标的自动识别。研究结果表明，该模型具有较高检测精度，为提升伴侣动物寄生虫病检测效率和诊断一致性提供了新思路。在血细胞自动检测研究中，团队针对红细胞、白细胞和血小板显微图像检测任务，对YOLOv8n模型进行了轻量化优化。结果显示，改进模型在保持较高检测精度的同时，显著降低了参数量，实现了检测性能与模型轻量化之间的良好平衡。该方法在实时血液检测、便携式诊断设备和智能医学分析系统中具有较好的应用潜力。
研究成果得到了安徽省教育厅科研计划项目的支持，是工学部在人工智能赋能生命健康检测方向取得的又一进展。学部将继续面向智能医疗与智慧诊断等前沿领域，持续加强交叉学科协同创新，推动更多具有学术价值和应用前景的科研成果产出，为区域科技创新和高质量发展贡献力量。（撰稿：工学部）