基于卷积神经网络和迁移学习的宫颈涂片图像诊断系统技术方案

本发明专利技术公开一种基于卷积神经网络和迁移学习的宫颈涂片图像诊断系统，包括：样本数据库，用于存储训练样本；预训练模型，该模型采用卷积神经网络模型，包括卷积层、池化层和全连接层，并利用所述样本数据库中的训练样本进行训练，使其满足多分类要求；重构模型，该模型通过迁移预训练模型中卷积层、池化层的网络结构和参数，通过修改全连接层架构，使其满足宫颈涂片图像分类任务；待测样本获取模块，用于获取待测的宫颈涂片图像样本，通过输入所述重构模型得到对应的分类结果。其效果是：系统能够允许不同大小的图像输入，具有高性能的分类效果，对宫颈癌的早期筛查和诊断具有较好的辅助效果。

【技术实现步骤摘要】
基于卷积神经网络和迁移学习的宫颈涂片图像诊断系统
本专利技术涉及生物医疗信息处理中的智能诊断技术，具体涉及到一种基于卷积神经网络和迁移学习的宫颈涂片图像诊断系统。
技术介绍
宫颈癌是女性癌症死亡的第四大原因，前期发现可以治疗。因此，宫颈癌的筛查对宫颈癌的治疗非常重要。子宫颈抹片检查是一种体检技术，广泛用于预防宫颈癌和发现具有潜在癌症的细胞。然而，诊断过程在很大程度上依赖于医生的经验，一方面非常耗时，另一方面，非常容易出现人为误判。由于计算机技术的最新发展，计算机辅助诊断系统正在成为病理学家检测和诊断宫颈癌的重要工具，它可以克服主观的解释，减少工作量。目前，用于宫颈癌筛查的计算机辅助诊断方法大多是基于图像特征的方法。这些方法首先通过图像分割将细胞核，细胞质和背景分开，然后提取感兴趣区域的特征并执行特征选择，最后基于图像特征进行分类判别。尽管近期研究在细胞分割算法方面取得了进展，但由于显微图像中细胞的不规则，重叠以及染色不均等问题，准确的分割仍然是一个挑战。此外，各种算法的性能还受到特征设计和选择的限制，各种表现欠佳。
技术实现思路
为了解决上述问题，本专利技术提供一种基于卷积神经网络和迁移本文档来自技高网...

【技术保护点】
1.一种基于卷积神经网络和迁移学习的宫颈涂片图像诊断系统，其特征在于包括：样本数据库，用于存储训练样本；预训练模型，该模型采用卷积神经网络模型，包括卷积层、池化层和全连接层，并利用所述样本数据库中的训练样本进行训练，使其满足多分类要求；重构模型，该模型通过迁移预训练模型中卷积层、池化层的网络结构和参数，通过修改全连接层架构，使其满足宫颈涂片图像分类任务；待测样本获取模块，用于获取待测的宫颈涂片图像样本，通过输入所述重构模型得到对应的分类结果。

【技术特征摘要】
1.一种基于卷积神经网络和迁移学习的宫颈涂片图像诊断系统，其特征在于包括：样本数据库，用于存储训练样本；预训练模型，该模型采用卷积神经网络模型，包括卷积层、池化层和全连接层，并利用所述样本数据库中的训练样本进行训练，使其满足多分类要求；重构模型，该模型通过迁移预训练模型中卷积层、池化层的网络结构和参数，通过修改全连接层架构，使其满足宫颈涂片图像分类任务；待测样本获取模块，用于获取待测的宫颈涂片图像样本，通过输入所述重构模型得到对应的分类结果。2.根据权利要求1所述的基于卷积神经网络和迁移学习的宫颈涂片图像诊断系统，其特征在于：所述待测样本获取模块获取的待测图像分为正常图像、初期癌变图像和癌变图像三种类别。3.根据权利要求2所述的基于卷积神经网络和迁移学习的宫颈涂片图像诊断系统，其特征在于：待测样本获取模块获取的待测图像为JPEG格式的RGB彩色图像。4.根据权利要求1-3任一所述的基于卷积神经网络...

【专利技术属性】
技术研发人员：王品，王力锐，李勇明，宋琪，颜芳，谭晓衡，
申请(专利权)人：重庆大学，
类型：发明
国别省市：重庆,50