两阶段分析的异常簇团宫颈细胞检测方法
异常细胞检测是宫颈癌智能辅助诊断的关键技术,直接影响着检测系统的性能.但宫颈异常细胞大多以簇团的形式存在,细胞相互粘连、复杂多样,给异常细胞检测带来了挑战.为解决这一问题,本文提出了一种两阶段簇团宫颈异常细胞检测方法.该方法在第一阶段采用YOLO-v5目标检测网络,利用可变形卷积替换网络中的标准卷积,使卷积核的大小和位置可以根据当前病理图像内容进行动态调整,以适应不同簇团宫颈细胞的形状、大小等几何形变.在第二阶段利用监督对比学习网络学习正、异常簇团宫颈细胞之间的特征差异,实现高准确率的正、异常簇团宫颈细胞分类.实验表明,簇团宫颈细胞召回率达到89.69％,相比基线网络YOLO-v5提升了1.43％,正、异常簇团宫颈细胞分类准确率达到87.81％,相比基线网络ResNet提升了10.31％.
簇团宫颈细胞分类、目标检测、对比学习
27
TP315.69(计算技术、计算机技术)
国家自然科学基金;黑龙江省自然科学基金杰出青上项目;哈尔滨市杰出青年人才基金;哈尔滨理工大学杰出青年人才项目
2022-06-07（万方平台首次上网日期，不代表论文的发表时间）
共9页
76-84
