基于神经网络集成模型的宫颈细胞病理计算机辅助诊断方法
针对宫颈细胞病理图像自动筛查问题,本文提出一种基于人工智能技术的计算机辅助诊断方法.该方法通过对宫颈细胞病理图像采用自适应双阈值法进行初步检测,再采用改进Chan-Vase模型进行精确分割,提取出细胞(粘连簇团)中的不同区域.然后,结合病理诊断专家规则,构建相应的正交特征集.在此基础上,使用神经网络集成模型进行正常、疑似病变二分类识别,完成计算机辅助诊断.实验表明,本文方法能够有效完成宫颈病理细胞(粘连簇团)的分类识别,具有较高的正确率(84%)与较低的误判率(2.1%).满足了在保证判断正确率的条件下,尽量降低将疑似病变样本误判为正常样本的实际病理诊断要求.
宫颈、细胞病理、筛查、神经网络集成、计算机辅助诊断
33
TP394.1;TH691.9(计算技术、计算机技术)
四川省重点实验室开放基金2017LF3008;广东省应用型研发重大专项基金No.2015BD10131002Supported by Program of Key Laboratory Open Fund in Sichuan Province2017LF3008;The Impor-tant Special Fund for Applied R&D in Guangdong Province2015BD10131002
2018-05-30(万方平台首次上网日期,不代表论文的发表时间)
共10页
347-355,356