基于改进CNN的宫颈细胞自动分类算法

摘要：

本文采用深度学习算法中的卷积神经网络对细胞图像进行识别,实现对宫颈细胞图像的自动分类.首先对宫颈细胞进行预处理,通过细胞核裁剪解决图像输入尺寸不一的问题,对图像进行翻转平移,对数据集进行扩充,并解决样本量不均衡的问题;接着选取VGG-16网络进行改进,使用改进后的VGG-16网络进行特征提取,以及细胞分类;并采用迁移学习的方法加载预训练网络参数,进而加快参数收敛速度,提高分类准确率;最终通过对网络的训练,得到了较好的分类结果,将分类结果与人工提取特征设计分类器的方法相比,分类的准确率有所提高,二分类的准确率达97.3％,七分类的准确率达89％.实验结果表明:卷积神经网络对宫颈细胞图像进行自动分类,分类准确率相比较人工提取特征分类器效果较好,且分类结果不受分割图像准确率的影响.

关键词：宫颈细胞分类、卷积神经网络、迁移学习、特征提取、VGG-16

所属期刊栏目：29

资助基金：陕西省自然科学基础研究计划2017ZDJC-23

在线出版日期：2020-07-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：137-145