融合宫颈细胞领域特征的多流卷积神经网络分类算法

• 作者: 庞文博 李亚伟 杨冰 杨志明 王泳 田泽宁
• 来源期刊: 计算机辅助设计与图形学学报
• 学科: 工学
• 关键词: 计算机辅助诊断 宫颈细胞 深度学习 卷积神经网络
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 图像与视觉
• 页码范围: 531-540
• 页数: 10页
• 分类号: TP391.41
• 字数: 9122字
• 语种: 中文
• DOI: 10.3724/SP.J.1089.2019.17350

摘要

细胞分类是宫颈癌计算机辅助诊断研究和应用的关键技术.针对通用深度学习分类算法在细胞分类中缺少领域知识指导这一局限性,提出一种基于数据驱动和宫颈细胞领域知识的多流卷积神经网络分类算法.文中算法以细胞和细胞核图像为输入,通过卷积神经网络提取图像特征,并根据宫颈细胞标准分级系统中领域知识提取人工设计特征,最后将上述2种特征进行拼接,并经过全连接层融合,构建适用于细胞分类的多流卷积神经网络.实验结果表明,文中算法在仅使用Alexnet作为基础网络的情况下,在Herlev宫颈细胞图像数据集上的正常与异常细胞的分类准确率达到99％,取得了该数据库上目前最好的分类结果;在Ideepwise数据集上,按照细胞学诊断报告的分级准确率为85％,相比单流网络提升3％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨志明	中国科学院软件研究所并行软件与计算科学实验室	5	13	3.0	3.0
4	庞文博		2	1	1.0	1.0
11	李亚伟		1	1	1.0	1.0
12	杨冰		1	1	1.0	1.0
13	田泽宁		1	1	1.0	1.0