基于双流卷积网络的宫颈细胞细粒度分类

摘要：

为了实现对宫颈细胞图像相近类别的准确自动分类,提出了一种双流卷积神经网络算法.算法以DenseNet121网络和Xception网络为基础并对其进行改进,以提高算法对宫颈细胞进行细粒度分类的识别准确率.首先,在DenseNet121中引入DropBlock模块进行网络正则化,用于提高模型的泛化能力;其次,在Xception中加入SE(squeeze-and-excitation)模块调整通道权重,以增强网络提取有效特征的能力;最后,将两个网络输出的特征图进行拼接构建双流网络,来获取宫颈细胞更全面的特征信息.实验结果表明,该网络在Herlev数据集以及SIPaKMeD数据集上各性能指标都表现良好,且都达到了99％的准确率,优于改进融合前的网络,提出的算法在宫颈细胞的细粒度分类中具有较高识别率.

关键词：图像处理、细粒度分类、双流卷积网络、宫颈细胞、深度学习

所属期刊栏目：22

分类号：TP391.4;R73(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金;内蒙古自治区科技计划;中央引导地方科技发展资金项目;内蒙古自治区自然科学基金项目;内蒙古自治区自然科学基金项目;内蒙古自治区高等学校科学研究项目;教育部春晖计划

在线出版日期：2022-12-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：13378-13387