近日，团队在微滴式数字聚合酶链式反应（ddPCR）图像智能检测领域取得重要进展。ddPCR是一种高灵敏的核酸绝对定量技术，其核心在于将样本分隔为数万个微小液滴，独立进行扩增反应，再基于阳性微滴的数量统计实现核酸浓度计算。然而，在大视场成像条件下，由于受到试剂残留、光照不均、背景噪声等干扰因素影响，传统图像处理算法难以实现准确、稳定的检测。针对上述挑战，本研究提出了一种融合GhostConv、C3Ghost与SimAM注意力机制的改进YOLOv5轻量化模型，并结合分区融合预测策略，实现了在边缘设备上高效、精准地检测目标微腔。实验结果显示，该模型在仅1.5MB体积下实现了99.5%的精准率与召回率，平均精度达78.1%，在多项评估指标上均优于现有方法。该研究成果以《Lightweight target detection for large-field ddPCR images based on improved YOLOv5》为题，发表于英国皇家化学会（RSC）旗下期刊《Digital Discovery》。相关数据与代码已开放至Mendeley Data数据平台，供学术交流与共享。
大视场ddPCR图像检测流程
论文信息：
Jin X, Yang J, Jiang X, et al. Lightweight target detection for large-field ddPCR images based on improved YOLOv5[J]. Digital Discovery, 2025, DOI: 10.1039/D5DD00006H.
地址链接：
https://pubs.rsc.org/en/content/articlehtml/2025/dd/d5dd00006h
所受项目资助：
国家重点研发计划（2022YFE0107400）、国家自然科学基金（U23A20381, 11933005）、上海市科学技术委员会（23010503600, 23530730500）、上海高校特聘教授（东方学者）计划（GZ2020015）、嘉兴市科技计划项目（2023AY31016）、安徽省高校自然科学研究项目（2022AH051987）、安徽三联学院自然科学研究（KJZD2025004）。