基于YOLO模型的宫颈细胞簇团智能识别方法

针对宫颈细胞簇团自动识别问题，本文提出了一种基于YOLO v2模型的智能识别方法。首先，针对宫颈细胞簇团识别任务的特点，采用resnet 50模型作为YOLO v2网络的基础特征提取模块。同时，提出了相应的数据扩增方法与YOLO v2网络的训练方案。同时，我们收集宫颈细胞液基涂片扫描图像，建立了宫颈细胞簇团图像数据集，并由细胞病理专家对其中的细胞簇团进行了标注。实验表明，本文方法能够有效完成宫颈细胞病变簇团的自动识别，在测试图像集中，针对细胞簇团识别的准确率为75.9%，召回率为86.3%；针对宫颈细胞图像识别的准确率为87.0%，召回率为86.7%。本文将深度学习技术引入到宫颈细胞辅助筛查领域，对于促进宫颈癌早期自动筛查系统的研究，具有重要意义。