| 基于生成对抗网络的低分化宫颈癌病理图像分类 |
| |
| 作者姓名： | 李晨 张家伟 张昊 汪茜 |
| |
| 作者单位： | (1.东北大学 医学与生物信息工程学院, 辽宁 沈阳110169; 2.辽宁省肿瘤医院, 辽宁 沈阳110042;3.中国医科大学附属肿瘤医院, 辽宁 沈阳110042) |
| |
| 基金项目： | 国家自然科学基金资助项目(61806047,81902676); 中央高校基本科研业务费专项资金资助项目(N2019003). |
| |
| 摘 要： | 使用生成对抗网络(GAN)扩充宫颈癌病理图像的数据集以提高计算机辅助诊断的准确率.首先,使用GAN进行细胞质部分图像生成;其次,使用两次k-means聚类对生成图像进行筛选;最后,使用Inception-V3模型对数据集进行分类训练.结果表明,在测试集相同的情况下,该方法可以将总体分类准确率提升约2.5%,尤其对低分化宫颈癌病理图像有显著效果.通过GAN解决了组织病理学图像无方向性、内容复杂、前景目标规则性差等问题,证明了该方法的有效性及发展潜力.
|
| 关 键 词： | 宫颈癌辅助诊断 组织病理学图像分类 生成对抗网络 特征提取 k-means聚类 |
| 收稿时间： | 2019-07-30 |
| 修稿时间： | 2019-07-30 |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《东北大学学报(自然科学版)》浏览原始摘要信息 |
|
点击此处可从《东北大学学报(自然科学版)》下载全文 |
|
