[發明專利]一種基于深度學習的宮頸細胞分類方法

在審

• 申請號: 202210351760.1
• 申請日: 2022-04-02
• 公開（公告）號: CN114708589A
• 公開（公告）日: 2022-07-05
• 發明（設計）人: 王琳;宿寧寧
• 申請（專利權）人: 大連海事大學
• 主分類號: G06V20/69
• 分類號: G06V20/69;G06V10/774;G06V10/764;G06V10/26;G06K9/62;G06N3/08
• 代理公司: 大連東方專利代理有限責任公司 21212
• 代理人: 姜威威;李洪福

本發明一種基于深度學習的宮頸細胞分類方法，屬于圖像處理技術領域，該方法包括以下步驟：獲取宮頸細胞圖像數據集，對宮頸細胞原圖像數據進行數據增強，得到數據增強后的宮頸細胞圖像數據；將提取增強后的宮頸細胞圖像數據集按照比例劃分為訓練數據和測試數據；構建基于深度學習的宮頸細胞分類網絡；將訓練數據依次輸入到宮頸細胞分類網絡中對宮頸細胞分類網絡進行訓練，得到訓練好的宮頸細胞分類網絡參數；將測試數據依次輸入到訓練好的宮頸細胞分類網絡中，與測試集標簽對比，得到宮頸細胞的分類結果，本方法在宮頸細胞圖像數據上實驗，四分類準確率達到99.23％，與以往技術相比有了較大提升。

技術領域

本發明屬于圖像處理技術領域，涉及一種基于深度學習的宮頸細胞分類方法。

背景技術

宮頸癌是當今婦科疾病中最為常見的惡性腫瘤之一，宮頸癌發病率很高，成為威脅全世界女性健康的重大隱患。宮頸癌從初早期的炎癥發展到惡性癌變大約需要6至8年的時間，可分為早期、中期和晚期，只要盡早發現盡早治療，就能達到痊愈，因此早發現早治療至關重要。宮頸細胞學檢查是確診宮頸病變的主要檢查方法之一，是宮頸篩查最重要的手段。宮頸細胞分類是宮頸細胞學檢查的重要組成部分。如何提高分類的準確率，一直以來都是醫學領域以及計算機領域的研究熱點。

傳統的宮頸細胞分類技術有很多，主要包括支持向量機^[1]、決策樹、K最鄰近算法，貝葉斯等等。而傳統算法大多數的主要思想是提取宮頸細胞的形態特征、紋理特征和顏色特征等輸入到各傳統算法分類器中進行分類^[2]。傳統方法需要手工提取特征，提取的特征是不全面的，因此，傳統方法分類的準確率達到一定高度后遇到了瓶頸期。越來越多的學者將注意力轉換到深度學習技術。目前深度學習^[3][4][5]在細胞分類領域用的較多的方法就是遷移學習^[6]，遷移學習在一定程度上緩解了由于樣本不足引起的過擬合問題，但遷移學習也有一定的缺點，遷移學習調用了用其他大數據集訓練模型保留的模型參數和權重，用數據集訓練后，引入了其它數據集的特征，對用測試數據集進行測試時造成一定影響，其分類準確率不能提升。本文提出方法，彌補了深度學習技術提取特征的不足，在一定程度上提高分類準確率。

CN110363188A基于卷積神經網絡的宮頸細胞圖像分類方法，該申請準備數據集并分割細胞核區域，加載到稠密卷積神經網絡，該網絡包括稠密連接模塊和過渡層。稠密連接模塊的內部采用稠密連接的方式，即每一層的輸入特征都是來自前面所有層的輸出，其中所述每一層都有一個復合操作包括歸一化，Re LU函數激活和卷積運算。過渡層由卷積和池化層組成，卷積層包括復數個卷積單元，每個所述卷積單元的參數都是通過所述反向傳播算法最佳化得到的，最后經過交叉熵損失函數反向傳播，得到輸出結果。該申請提出的方法在訓練過程中卷積神經網絡不能關注細胞關鍵特征信息，雖運用了稠密連接模塊，但宮頸細胞特征仍有丟失。單一尺度的卷積核不能夠提取多尺度特征，網絡提取特征能力有限。

發明內容

為了解決上述問題，本發明提供本發明采用的技術方案是：一種基于深度學習的宮頸細胞分類方法，包括以下步驟：

獲取宮頸細胞圖像數據集，對宮頸細胞原圖像數據進行數據增強，得到數據增強后的宮頸細胞圖像數據；

提取增強后的宮頸細胞圖像數據中宮頸細胞的形態特征、紋理特征和顏色特征，提取增強后的宮頸細胞圖像的數據集由宮頸細胞原圖像、提取的突出形態特征與紋理特征圖像以及提取的顏色特征矩陣共同構成；將提取增強后的宮頸細胞圖像數據集按照比例劃分為訓練數據和測試數據；

構建基于深度學習的宮頸細胞分類網絡；

將訓練數據依次輸入到宮頸細胞分類網絡中對宮頸細胞分類網絡進行訓練，得到訓練好的宮頸細胞分類網絡參數；

將測試數據依次輸入到訓練好的宮頸細胞分類網絡中，與測試集標簽對比，得到宮頸細胞的分類結果。

進一步地：所述對宮頸細胞原圖像數據進行數據增強的過程如下：