宫颈癌是当前妇科疾病中最为常见的恶性肿瘤之一,也是目前所有癌症中唯一能够明确病因的癌症,早期宫颈癌的治愈率可以达到100%。因此早诊断、早治疗宫颈癌前病变是防治宫颈癌的主要手段。随着宫颈筛查技术的普及与推广,宫颈细胞涂片的数量逐日剧增,导致宫颈细胞学阅片人员数量匮乏且阅片压力大,甚至由于高强度工作产生的疲劳不适等因素造成宫颈细胞涂片主观判读错误。随着计算机技术的发展,计算机赋能宫颈细胞学筛查的研究逐渐显现出极其重要的意义。由于宫颈细胞学病灶复杂,专业阅片医师需要依靠多年的医学临床经验才能够准确地诊断病情。因此直接借助计算机技术对病情进行最终判定是个十分艰难的课题,在当前阶段并无较大意义。有研究价值的是按照宫颈细胞病理学诊断标准为专业阅片医师提供有效的辅助诊断信息,如细胞的形态纹理特征、细胞类别的预判结果等。因此,本文的主要研究内容如下:1.宫颈细胞各成分精确分割。针对FCN语义分割网络对细胞各成分误分割严重的问题,本文通过结合去池化和跳层连接的方式,设计改进了一种用于宫颈细胞各成分自动分割的U型语义分割网络Herlev-Net,对宫颈细胞各成分进行粗提取;针对语义分割网络对细胞各成分边缘分割模糊的缺点,本文将图像纹理信息融入SLIC算法,通过改进的SLIC算法获取宫颈细胞各成分的精细边缘;最终将粗提取结果与精细边缘进行融合。本文从像素准确率和平均交并比等方面验证了本文设计的分割方法与现有算法相比具有更高的分割精度。2.宫颈细胞特征参数提取及重要性分析。本文从形态、颜色和纹理这三个方面提取出14个宫颈细胞特征参数,采用CART分类回归树算法对特征参数的重要性进行了排序,并选择出8个对宫颈单细胞多分类识别最重要的特征。3.宫颈单细胞多分类识别。本文首先设计了基于重要特征的ANN-Softmax分类器,能够实现更准确高效的宫颈细胞七分类识别;然后对本文设计的语义分割网络Herlev-Net进行了结构和损失函数的改进,得到了能够同时实现细胞各成分分割和细胞类别输出的Herlev-CNet网络。通过对比实验,验证了本文设计改进的Herlev-CNet网络能够对宫颈单细胞图像进行更准确的七分类识别。4.宫颈细胞特征及类别预判结果可视化。本文设计并实现了宫颈细胞特征参数及类别预判的可视化软件,为专业阅片医师提供辅助诊断参考。