基于深度学习的腹膜腔脱落细胞病理图像识别 |
| |
引用本文: | 林长方,黄毓珍,陈定柱.基于深度学习的腹膜腔脱落细胞病理图像识别[J].齐齐哈尔大学学报(自然科学版),2019(3). |
| |
作者姓名: | 林长方 黄毓珍 陈定柱 |
| |
作者单位: | 漳州卫生职业学院健康与保健系;福建医科大学附属漳州市医院病理科;福建医科大学附属漳州市医院胸心外科 |
| |
摘 要: | 针对体液细胞病理诊断自动分类识别的问题,构建一种基于深度卷积神经网络的自动化识别模型(CNN-LS)。首先对图像样本进行灰度级转换、ZCA白化、归一化与标注处理,降低图像特征间的相关性与数据冗余。其次,在CNN-LS模型构建过程中引入改进的激活函数(LReLU-Softplus)用于提高模型的收敛速度和避免可能出现的饱和非线性问题,并通过实验验证获取CNN-LS模型的最佳卷积核数量和尺寸大小。最后将CNN-LS与CS+SVM,PCA+QSOFM,ANN,CNN这4种分类方法做性能对比。实验表明CNN-LS模型在针对腹膜腔脱落细胞病理图像的癌细胞分类识别过程中具有较明显的优势。
|
本文献已被 CNKI 等数据库收录! |
|