公开(公告)号：CN112365471B

公开(公告)日：2022-06-24

申请号：CN202011259420.3

申请日：2020-11-12

Applicant: 哈尔滨理工大学

Inventor： 何勇军 ,  邵慧丽 ,  陈德运

IPC: G06T7/00 ,  G06T7/10 ,  G06K9/62 ,  G06V10/764

Abstract: 基于深度学习的宫颈癌细胞智能检测方法。本发明涉及深度学习方法对细胞核的分类。本发明的目的是为了解决现有传统诊断方式检测癌细胞准确率低、耗时长等问题。为解决此问题，本发明提出了一种基于深度学习的智能宫颈癌细胞筛查方法。方法的具体过程为：一、数据准备；二、细胞核分割；三、细胞核分类；四、筛选癌细胞。在细胞核分类部分，数据上利用主动学习的方法进行数据的扩充和类别的细分；模型上以ResNeSt为基础模型，引入医生诊断经验，提取诊断指标共同作用训练出更加准确的模型。实验表明，本文细胞核分类方法准确率比原模型准确率更高，另外，本发明还提供了一种更有效的扩充数据和类别细分的数据准备方法。本发明应用于医学图像分类领域。

公开(公告)号：CN112365471A

公开(公告)日：2021-02-12

申请号：CN202011259420.3

申请日：2020-11-12

Applicant: 哈尔滨理工大学

Inventor： 何勇军 ,  邵慧丽 ,  陈德运

IPC: G06T7/00 ,  G06T7/10 ,  G06K9/62

Abstract: 基于深度学习的宫颈癌细胞智能检测方法。本发明涉及深度学习方法对细胞核的分类。本发明的目的是为了解决现有传统诊断方式检测癌细胞准确率低、耗时长等问题。为解决此问题，本发明提出了一种基于深度学习的智能宫颈癌细胞筛查方法。方法的具体过程为：一、数据准备；二、细胞核分割；三、细胞核分类；四、筛选癌细胞。在细胞核分类部分，数据上利用主动学习的方法进行数据的扩充和类别的细分；模型上以ResNeSt为基础模型，引入医生诊断经验，提取诊断指标共同作用训练出更加准确的模型。实验表明，本文细胞核分类方法准确率比原模型准确率更高，另外，本发明还提供了一种更有效的扩充数据和类别细分的数据准备方法。本发明应用于医学图像分类领域。