[发明专利]基于深度卷积神经网络的异常宫颈细胞自动检测方法

摘要

本发明公开一种基于深度卷积神经网络的异常宫颈细胞自动检测方法，主要包括以下步骤：（1）TCT宫颈细胞图片的人工标注；（2）已标注细胞图片的分割；（3）分割后细胞的多分类；（4）各类别细胞图片在迁移模型中的训练；（5）对待检测细胞图片的分割、识别、定位；（6）对于异常细胞团的再分割处理和识别。本发明所述的异常宫颈细胞自动检测方法将分割后的细胞分为9类，采用迁移学习方式进行训练，得到拟合较好的多分类模型。该模型可以对未标记的源宫颈细胞图片进行识别、筛选和准确定位，并对检测到的异常细胞做再次分割处理和识别，提升了检测的准确率。本发明在宫颈细胞病理诊断领域具有较好的辅助效果。

主权项

1.基于深度卷积神经网络的异常宫颈细胞自动检测方法，其特征在于包括如下步骤：步骤1：对获取的源宫颈细胞图像进行人工标注；步骤2：根据标注所得信息对源宫颈细胞图像进行分割；步骤3：对分割后的细胞进行分类；步骤4：对上述得到的各类细胞图片进行预处理；步骤5：采用迁移学习方式，将上述处理后的细胞输入更改后的预训练模型进行训练；步骤6：将一张待检测的源宫颈细胞图片输入模型可以正确地检测出异常细胞位置；步骤7：对异常细胞团作进一步的分割处理，对分割得到的单细胞进行细胞核大小、形状、颜色以及核浆比等参数的计算，进一步确定细胞所属类别。