一种自监督宫颈细胞分类方法

摘要：

深度学习的发展有效地提升了宫颈细胞分类的准确率.深度神经网络的训练需要大量的标注数据.而宫颈细胞图像的标注需要专业的医生,且标注工作量大,成本高.这使得宫颈细胞图像标注数量不足,从而限制了宫颈细胞分类性能的进一步提高.针对以上问题,提出了一种有效利用临床中大量未标注数据的宫颈细胞分类方法.该方法首先采用SimCLR训练一个改进的ResNet网络对细胞进行特征提取.然后用全连接神经网络根据提取的特征信息进行分类预测.在宫颈细胞分类的实验中,该方法使用512张标注图像得到87.85％的准确率和77.10％的精确度,相比于对比方法更加优越.

关键词：细胞分类、自监督、SimCLR

所属期刊栏目：27

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金;黑龙江省自然科学基金杰出青年项目;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

在线出版日期：2022-08-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：45-51