宫颈细胞细粒度分类方法

摘要：

针对宫颈细胞图像的相似性极高,其细粒度分类存在准确率低的问题,提出了一种基于双路径网络与局部判别损失函数的DRMNet(dense reset module net)算法.该算法在特征提取阶段以残差结构为主体,加入密集连接路径,结合两者优点,使网络对特征有着高复用率、低特征冗余度的同时,保持探索新特征的能力.在分类阶段,通过改进损失函数来挖掘图像中的细微特征,利用局部判别损失函数使网络寻找具有判别力的局部区域特征.该算法在Herlev数据集上的七分类准确率达到了98.9％,对比其他算法有一定的提升,从而验证了该算法的有效性.

关键词：宫颈细胞;细粒度;局部判别损失函数;密集连接

所属期刊栏目：58

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家重点研发计划;四川省教育厅项目

在线出版日期：2022-03-03（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：206-211