长尾分布下的宫颈细胞分割与分类框架

作     者：杨晓娜 李超炜 邵慧丽 何勇军 YANG Xiaona;LI Chaowei;SHAO Huili;HE Yongjun

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 哈尔滨工业大学计算机科学与技术学院哈尔滨150006 

出 版 物：《哈尔滨理工大学学报》 (Journal of Harbin University of Science and Technology)

年 卷 期：2023年第28卷第6期

页      面：121-129页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 

基　　金：国家自然科学基金面上项目(61673142) 黑龙江省自然科学基金杰出青年项目(JJ2019JQ0013) 哈尔滨市杰出青年人才基金(2017RAYXJ013) 哈尔滨理工大学杰出青年人才项目(20200203) 

主　　题：U-Net ResNeSt 细胞核分割 细胞核分类 长尾分布 

摘      要：目前利用深度学习识别宫颈异常细胞有两个难题:(1)宫颈细胞种类多样且宫颈细胞图像因人而异;(2)宫颈细胞呈现长尾分布,影响宫颈细胞的分类精度。本文提出了一种基于深度学习的宫颈细胞分割与分类框架。本框架首先进行细胞核分割,使用U-Net作为基础模型进行减层,加入AG模块,并使用ACBlock模块代替传统标准卷积块;然后使用ResNeSt对分割数据进行粗分类,将根据医生经验提取的人工特征和ResNeSt网络提取的机器特征进行融合进行细分类,利用主动学习迭代地扩充宫颈细胞类别,并在BBN模型中融合ACBlock模块处理长尾数据;最后根据TBS诊断标准和医生的诊断经验提炼出异常细胞的诊断指标,筛选异常细胞。实验表明,本文的分割算法较原方法提升了3.52%,加入所有特征的分类算法提升了1.2%。针对阳性病人,癌细胞诊断准确率达到91%。