近日，安徽三联学院教师杨静在智能医学检测领域取得重要研究成果，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，体现了学校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项目和安徽省教育厅科研计划项目的支持。研究成果是安徽三联学院在人工智能赋能生命健康检测方向取得的又一进展。学校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）