卷积神经网络的宫颈细胞图像分类

摘要：

为实现计算机辅助系统精准、快速地检测宫颈异常细胞,提出一种基于卷积神经网络的宫颈细胞自动分类方法.首先复制预训练网络结构及参数来初始化分类网络,将宫颈细胞图像分批次传入网络;然后采用Softmax函数将网络输出数据归一化为各标签对应的概率值,并使用交叉熵作为损失函数;最后改进网络结构加入对数据的批归一化处理,通过反向传播算法优化参数使损失函数最小化,最终选择训练所得最优网络.使用5折交叉验证法在Herlev数据集上的实验结果表明,对比Herlev常用基准方法,该方法的特异性、调和平均数和准确率分别提高了19.46％,10.71％和5.09％.

关键词：卷积神经网络、宫颈细胞、迁移学习、批归一化

所属期刊栏目：30

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家科技支撑计划2011BAF02B00

在线出版日期：2018-11-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：2049-2054