基于深度学习的宫颈癌异常细胞快速检测方法

来源 :工程科学学报 | 被引量 : 1次 | 上传用户：ak328

【摘要】

：

宫颈癌是严重危害妇女健康的恶性肿瘤,威胁着女性的生命,而通过基于图像处理的细胞学筛查是癌前筛查的最为广泛的检测方法.近年来,随着以深度学习为代表的机器学习理论的发展,卷积神经网络以其强有效的特征提取能力取得了图像识别领域的革命性突破,被广泛应用于宫颈异常细胞检测等医疗影像分析领域.但由于病理细胞图像具有分辨率高和尺寸大的特点,且其大多数局部区域内都不含有细胞簇,深度学习模型采用穷举候选框的方法进行

【作者】

：

姚超赵基淮马博渊李莉马莹班晓娟姜淑芳邵炳衡

【机构】

：

北京科技大学北京材料基因工程高精尖创新中心,北京科技大学材料领域知识工程北京市重点实验室,北京科技大学人工智能研究院,北京科技大学计算机与通信工程学院,北京科技大学顺德研究生院,解放军总医院海南医院妇

【出处】

：

工程科学学报

【发表日期】

：

2021年09期

【关键词】

：

宫颈癌异常细胞病理图像深度学习卷积神经网络目标检测图像分类

【基金项目】

：

海南省财政科技计划资助项目(ZDYF2019009),国家自然科学基金资助项目(61873299,61902022,61972028,6210020684),中央高校基本科研业务费资助项目(FRF-TP-19-015A1,FRF-TP-20-061A1Z,FRF-TP-19-043A2,00007467),佛山市科技创新专项资金资助项目(BK19AE034,BK20AF001,BK21BF002)

下载到本地 , 更方便阅读

下载此文赞助VIP

声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架

论文部分内容阅读

其他文献

基于ECG信号的高精度血糖监测

连续血糖监测在糖尿病管理中具有重要的意义.目前糖尿病患者主要通过指尖采血或植入式微创传感器监测血糖,但上述方法存在疼痛、成本昂贵、易感染等问题,因此,无创监测是实现连续血糖监测的理想技术.本文利用心电(ECG)信号,提出了一种血糖水平无创监测的方法:通过获取12名志愿者共60 d 756160个ECG周期信号,利用递归滤波器实现ECG信号的滤波,并采用卷积神经网络和长短期记忆网络相结合(CNN-LSTM)的方法,实现了血糖水平的十分类监测,并通过实验探索了个体建模和群体建模2种建模方式的差异.结果表明,在

期刊

ECG信号连续血糖监测卷积神经网络长短期记忆网络血糖监测

基于一维卷积神经网络的儿童睡眠分期

高质量睡眠与儿童的身体发育、认知功能、学习和注意力密切相关,由于儿童睡眠障碍的早期症状不明显,需要进行长期监测,因此急需找到一种适用于儿童睡眠监测,且能够提前预防和诊断此类疾病的方法.多导睡眠图(Polysomnography,PSG)是临床指南推荐的睡眠障碍基本检测方法,通过观察PSG各睡眠期间的变化和规律,对睡眠质量评估和睡眠障碍识别具有基础作用.本文对儿童睡眠分期进行了研究,利用多导睡眠图记录的单通道脑电信号,在Alexnet的基础上,用一维卷积代替二维卷积,提出一种1D-CNN结构,由5个卷积层、

期刊

儿童睡眠分期多导睡眠图卷积神经网络Alexnet脑电信号

基于深度学习的宫颈癌异常细胞快速检测方法

其他学术论文