基于深度卷积神经网络宫颈细胞涂片病变细胞分类.PDFVIP

第21卷第8期 Vol.21 No.8 2018年8月 软件工程 SOFTWARE ENGINEERING Aug. 2018 文章编号：2096-1472(2018)-08-19-04 DOI:10.19644/ki.issn2096-1472.2018.08.006 基于深度卷积神经网络的宫颈细胞涂片的病变细胞分类 胡 卉，蔡金清 (天津工业大学计算机科学与软件学院，天津 300387) 摘 要：本文重点研究宫颈细胞图像分类识别问题，结合宫颈细胞病理学等方面知识，利用基于深度卷积神经 网络ResNet50的迁移学习，对实验数据集进行模型训练和特征提取。实验结果表明，通过基于深度神经网络的迁移学 习，可以获取较优的病变与正常细胞的分类结果。 关键词：卷积神经网络；迁移学习；宫颈癌 中图分类号：TP391.4 文献标识码：A Lesion Cell Classification of Cervical Smear Based on Deep Convolution Neural Network HU Hui,CAI Jinqing ( School of Computer Science and Software ,Tianjin University of Technology ,Tianjin 300387,China) Abstract:This article focuses on the study of cervical cell image classification and recognition in combination with the knowledge of cervical pathology from the perspective of the transfer learning of the deep convolution neural network ResNet50 to perform model training and feature extraction.It shows that better classification results of lesion and normal cells can be obtained. Keywords:convolution neural network;transfer learning;cervical cancer 1 引言(Introduction) 的周长，并使用K-means算法对图像进行分类。Edwin等人 在互联网发展迅速和计算机技术不断成熟进步的今天，计 提出了一种基于特定纹理的宫颈细胞分类系统，为宫颈细胞分 算机技术中的图像处理技术得到广泛的应用，并且取得了不凡 类指定了七个宫颈细胞组织特征，包括细胞核和细胞质的相对 的成就。随着在机器学习方面的进一步研究，其在生物医学工 大小，局部二值模式直方图，细胞质核的相对位移，直接边缘 程领域的医学图像中的应用显得越来越重要。 方向图、Tamura特征、灰度共生矩阵，以及细胞核和细胞质 宫颈癌症发病率的逐年增加，引起了人们利用计算机图像 的密度比与动态范围。Thanatip等人提出了一种基于块的模糊 处理中的图像分类对宫颈癌症病理学进行研究的热潮。宫颈癌 C均值图像分割算法，对宫颈核进行分割，然后根据分割宫颈 细胞相较于正常细胞有较为突出的特