基于YOLO模型的宫颈细胞簇团智能识别方法

• 作者: 李晶晶 田博 郑欣
• 来源期刊: 液晶与显示
• 学科: 工学
• 关键词: 宫颈细胞簇团 数据增强 resnet50模型 YOLOv2网络
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 图像处理
• 页码范围: 965-971
• 页数: 7页
• 分类号: TP394.1|TH691.9
• 字数: 4085字
• 语种: 中文
• DOI: 10.3788/YJYXS20183311.0965

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑欣	电子科技大学计算机科学与工程学院	9	82	5.0	9.0
2	李晶晶	江苏科技大学计算机科学与工程学院	2	12	2.0	2.0
3	田博		1	5	1.0	1.0