宫颈细胞分析识别技术研究

• 作者: 卜佳男 李经民
• 来源期刊: 机电技术
• 关键词: 宫颈癌 神经网络 OpenCV 机器学习
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 数字化与智能化
• 页码范围: 37-40
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19508/j.cnki.1672-4801.2021.03.012

摘要

为了实现宫颈癌的早期筛查与诊断,使用来自丹麦Herlev大学医院的宫颈细胞图像数据集,训练了D-LinkNet语义分割神经网络,用来分割宫颈细胞图像中的细胞核、细胞质和背景.使用OpenCV,从分割之后的细胞图像中,提取几何、色度和纹理三大类共75个特征.使用Scikit-Learn搭建了使用单一算法的分类器和集成多个算法的投票分类器,对正常和异常的宫颈细胞进行二分类.将提取到的特征数据按照4:1的比例分为训练集和测试集.结果显示:集成了多种分类算法的投票分类器在测试集上的分类效果最好,获得了0.9334的分类准确率.