基于改进YOLOv11的器官芯片细胞运动跟踪方法
吕东彦

东南大学，江苏省南京市，210096；

摘要：器官芯片技术在生物医学研究中展现出重要的科学价值与应用潜力，其通过微流控与成像技术实现对细胞迁移行为的实时追踪，为炎症反应机制与药物靶点研究提供了创新手段。本研究针对血管器官芯片中白细胞多尺度检测与动态跟踪的挑战，提出了一种基于改进YOLOv11与ByteTrack的联合优化方法。通过引入P2检测头增强高分辨率特征对微小目标的捕捉能力，结合SCConv模块的空间-通道重构机制减少冗余计算，并融合FocusLoss与CIoU损失函数优化分类与回归性能。实验结果表明，改进后的模型在血管芯片白细胞数据集上实现了89.6%的AP@0.5与54.7%的AP@0.5:0.95，较基线模型分别提升7.3%与8.4%，同时将多目标跟踪的ID切换误差降至8.5%。本研究为微流控环境下的细胞动力学分析提供了高效解决方案，未来工作将聚焦于时序建模优化与超分辨率增强，进一步推动器官芯片技术在精准医疗中的应用。

关键词：器官芯片；细胞识别；细胞跟踪

参考文献

[1]Henderson, A. R., Choi, H., & Lee, E. (2020). Blood and lymphatic vasculatures on-chip platforms and their applications for organ-specific in vitro modeling. Micromachines, 11(2), 147.

[2] Li, J., Wen, Y., & He, L. (2023). Scconv: Spatial and channel reconstruction convolution for feature redundancy. In Proceedings of the IEEE/CVF conference on computer vision and pattern recognition (pp. 6153-6162).