Die Box-Darstellung wird in der Computer Vision häufig für die Objekterkennung verwendet. Diese Darstellung ist effektiv, aber nicht unbedingt für biomedizinische Objekte (z.B. Nierenkörperchen) optimiert, die in der Nierenpathologie eine wesentliche Rolle spielen. In dieser Arbeit schlagen wir eine einfache Kreis-Darstellung für die medizinische Objekterkennung vor und stellen CircleNet vor, ein anchorfreies Erkennungsframework.Im Vergleich zur konventionellen Bounding-Box-Darstellung zeichnet sich die vorgeschlagene Bounding-Circle-Darstellung durch drei Aspekte aus: (1) Sie ist für kugelförmige biomedizinische Objekte optimiert; (2) Die Kreis-Darstellung reduziert den Freiheitsgrad im Vergleich zur Box-Darstellung; (3) Sie ist natürlicher rotationsinvariant. Bei der Erkennung von Nierenkörperchen und Zellkernen auf pathologischen Bildern erreichte die vorgeschlagene Kreis-Darstellung eine überlegene Erkennungsleistung und zeigte sich als rotationsinvarianter im Vergleich zur Bounding-Box.Der Quellcode wurde öffentlich zugänglich gemacht: https://github.com/hrlblab/CircleNet