基于样本基准值的宫颈异常细胞识别方法
利用深度学习方法的宫颈异常细胞识别通常需要大量的训练数据,然而这些数据不可避免的使用不同样本的宫颈异常细胞参与模型训练,天然地缺失了单个样本内正、异常细胞内对照,导致宫颈异常细胞的识别精度不高,假阳性率高.为解决这一问题,提出了一种基于样本基准值的宫颈异常细胞识别方法.该方法首先通过Mask R-CNN模型对宫颈细胞进行识别和宫颈细胞核分割;然后计算关键性宫颈细胞核指标,提出基准细胞概念,定义样本基准值,量化诊断标准;最后利用异常细胞核指标和模型信息完成宫颈异常细胞重分类,模拟医生对比样本内正常细胞的形态识别异常细胞,实现样本内宫颈正、异常细胞对照识别.实验表明,该方法在宫颈细胞涂片数据集上的阳性细胞查全率、阳性细胞检出准确率、样本检测准确率分别达到84.7％、94.6％、92.4％.
宫颈异常细胞识别、样本基准值、深度学习、机器学习
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
2023-03-08（万方平台首次上网日期，不代表论文的发表时间）
共12页
103-114
