基于深度学习的阴道微生态病理图像自动诊断
阴道微生态病理图像是诊断细菌性阴道病的重要依据,但对其人工分析需要花费大量时间精力,导致诊断效率不高,因此需要寻求针对病理图像的自动诊断新方法.本文提出一种阴道微生态病理图像自动诊断模型ResLab,该模型以阴道微生态病理图像作为训练数据集,利用深度学习技术对病理图像进行端到端分析,预测Nugent评分,辅助医生进行分级诊断.为提升模型预测的精确率,本文综合采用多种方法对模型加以改进,包括增加网络层数以提取更深特征,采用两个小卷积核叠加以增大感受野,减少ReLU激活层以降低复杂性,用最大池化层替换平均池化层以提取最显著特征.实验证明,各优化方案均能明显提升模型性能,ResLab模型预测精确率达到82.19%,超过VGG、GoogLeNet、ResNet等网络模型.结果 表明,ResLab模型能为医生提供较准确的参考结果,从而提高诊断效率,减少诊断误差.
深度学习;图像分类;病理诊断;Nugent评分
48
Q811.4;TP389.1(生物工程学(生物技术))
国家重点基础研究发展计划(973计划);国家自然科学基金;国防科技重点实验室
2021-12-24(万方平台首次上网日期,不代表论文的发表时间)
共10页
1348-1357