基于YOLO模型的宫颈细胞簇团智能识别方法

作     者：郑欣 田博 李晶晶 ZHENG Xin;TIAN Bo;LI Jing-jing

作者机构：电子科技大学计算机科学与工程学院四川成都611731 成都九鼎天元知识产权代理有限公司四川成都610041 江苏科技大学计算机科学与工程学院江苏镇江212003 

出 版 物：《液晶与显示》 (Chinese Journal of Liquid Crystals and Displays)

年 卷 期：2018年第33卷第11期

页      面：965-971页

核心收录：

学科分类：0810[工学-信息与通信工程] 081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金面上项目(No.61775030) 中国科学院光束控制重点实验室基金(No.2017LBC003) 广东省应用型研发重大专项基金(No.2015BD10131002) 

主　　题：宫颈细胞簇团 数据增强 resnet50模型 YOLO v2网络 

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75.9%,召回率为86.3%;针对宫颈细胞图像识别的准确率为87.0%,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。