典型文献
两阶段分析的异常簇团宫颈细胞检测方法
文献摘要：
异常细胞检测是宫颈癌智能辅助诊断的关键技术,直接影响着检测系统的性能.但宫颈异常细胞大多以簇团的形式存在,细胞相互粘连、复杂多样,给异常细胞检测带来了挑战.为解决这一问题,本文提出了一种两阶段簇团宫颈异常细胞检测方法.该方法在第一阶段采用YOLO-v5目标检测网络,利用可变形卷积替换网络中的标准卷积,使卷积核的大小和位置可以根据当前病理图像内容进行动态调整,以适应不同簇团宫颈细胞的形状、大小等几何形变.在第二阶段利用监督对比学习网络学习正、异常簇团宫颈细胞之间的特征差异,实现高准确率的正、异常簇团宫颈细胞分类.实验表明,簇团宫颈细胞召回率达到89.69％,相比基线网络YOLO-v5提升了1.43％,正、异常簇团宫颈细胞分类准确率达到87.81％,相比基线网络ResNet提升了10.31％.
文献关键词：
簇团宫颈细胞分类;目标检测;对比学习
中图分类号：
作者姓名：
梁義钦;赵司琦;王海涛;何勇军
作者机构：
哈尔滨理工大学 计算机科学与技术学院,哈尔滨150080;哈尔滨医科大学附属第一医院,哈尔滨150001
文献出处：
引用格式：
[1]梁義钦;赵司琦;王海涛;何勇军-.两阶段分析的异常簇团宫颈细胞检测方法)[J].哈尔滨理工大学学报,2022(02):76-84
A类：
宫颈异常细胞,簇团宫颈细胞分类
B类：
两阶段,宫颈癌,智能辅助,辅助诊断,粘连,第一阶段,YOLO,v5,目标检测网络,可变形卷积,换网,标准卷积,卷积核,病理图像,几何形变,第二阶段,对比学习,学习网络,网络学习,特征差异,召回率,比基,线网,分类准确率,ResNet
AB值：
0.223686
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
