基于YOLO模型的宫颈细胞簇团智能识别方法

摘要：

针对宫颈细胞簇团自动识别问题,本文提出了一种基于YOLO v2模型的智能识别方法.首先,针对宫颈细胞簇团识别任务的特点,采用resnet 50模型作为YOLO v2网络的基础特征提取模块.同时,提出了相应的数据扩增方法与YOLO v2网络的训练方案.同时,我们收集宫颈细胞液基涂片扫描图像,建立了宫颈细胞簇团图像数据集,并由细胞病理专家对其中的细胞簇团进行了标注.实验表明,本文方法能够有效完成宫颈细胞病变簇团的自动识别,在测试图像集中,针对细胞簇团识别的准确率为759.％,召回率为86.3％;针对宫颈细胞图像识别的准确率为870.％,召回率为86.7％.本文将深度学习技术引入到宫颈细胞辅助筛查领域,对于促进宫颈癌早期自动筛查系统的研究,具有重要意义.

关键词：宫颈细胞簇团、数据增强、resnet50模型、YOLOv2网络

所属期刊栏目：33

分类号：TP394.1;TH691.9(计算技术、计算机技术)

资助基金：国家自然科学基金面上项目61775030;中国科学院光束控制重点实验室基金2017LBC003;广东省应用型研发重大专项基金2015BD10131002

在线出版日期：2019-01-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：965-971