基于深度学习的宫颈癌智能预测系统实现
摘要
目前宫颈癌呈现出低龄化的趋势，早筛早诊尤为重要。细胞检测是早筛的重要方法，但其也有明显缺点。本文提
出了一种基于 U-Net 算法和 YOLO 系列算法的宫颈癌细胞学检测方法，通过算法改进提高了其分割、检测效果。通过对 U-Net
算法的网络调整，提高了特征信息的利用率，提升分割效果，将分割出的细胞区域更加准确，提高了其性能。
出了一种基于 U-Net 算法和 YOLO 系列算法的宫颈癌细胞学检测方法，通过算法改进提高了其分割、检测效果。通过对 U-Net
算法的网络调整，提高了特征信息的利用率，提升分割效果，将分割出的细胞区域更加准确，提高了其性能。
关键词
宫颈癌细胞学；U-Net 神经网络；损失函数
参考
[1] 贺淑芳 . 宫颈癌筛查精细化管理研究以及 miR-145-5p/
FSCN1 致病机制研究 [D]. 南昌大学 ,2021.
[2] Van Grinsven M J J P, van Ginneken B, Hoyng C B, et
al. Fast convolutional neural network training using selective data
sampling: Application to hemorrhage detection in color fundus
images[J]. IEEE transactions on medical imaging, 2016, 35(5): 1273-
1284.
[3] 李成 . 基于改进 YOLOv5 的小目标检测算法研究 [J]. 长
江信息通信 ,2021,34(09):30-33.
Refbacks
- 当前没有refback。
数据库合作单位
