基于改进CNN的宫颈细胞自动分类算法
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.15888/j.cnki.csa.007349

基于改进CNN的宫颈细胞自动分类算法

引用
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.

宫颈细胞分类、卷积神经网络、迁移学习、特征提取、VGG-16

29

陕西省自然科学基础研究计划2017ZDJC-23

2020-07-01(万方平台首次上网日期,不代表论文的发表时间)

共9页

137-145

相关文献
评论
暂无封面信息
查看本期封面目录

计算机系统应用

1003-3254

11-2854/TP

29

2020,29(6)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn