基于自适应特征提取的宫颈病变细胞团块检测方法及系统技术方案

本发明专利技术属于医学图像技术领域，尤其涉及基于自适应特征提取的宫颈病变细胞团块检测方法及系统，首先获取宫颈病变细胞团块的测试集和训练集；然后构建分组自适应特征提取网络和构建角度影响中心距离的动态聚焦损失函数；并基于分组自适应特征提取网络和动态聚焦损失函数，构建改进的yolov7网络；接着将训练集经预处理后输入至改进的yolov7网络，输出训练结果；接着将测试集作为改进的yolov7网络模型的输入参数，输出测试结果，将测试结果与训练结果进行比对，保留最优的改进的yolov7网络模型；最后使用最优的改进的yolov7网络模型进行宫颈病变细胞团块的检测，保留检测结果图片。本发明专利技术能够解决现有的宫颈病变细胞团块检测精度不足、硬件设施要求大的问题。

【技术实现步骤摘要】

本专利技术属于医学图像，尤其涉及基于自适应特征提取的宫颈病变细胞团块检测方法及系统。

技术介绍

1、目前，防治宫颈癌的主要方法为早筛查、早诊断、早治疗。

2、宫颈癌早期筛查的目的是为了检测出宫颈癌癌前病变，进行及时的治疗，减少宫颈癌病变为中晚期的风险和死亡率。液基细胞学检查(tct)是宫颈癌早期筛查方法中的初步筛查方法。这种方法需要细胞学家将脱落的宫颈细胞进行制片、染色处理，最后根据宫颈病变细胞与正常细胞在形态、结构上的细微差距，在显微镜下观察样本得出初步诊断结果。然而，人工判读在亿级的像素细胞学图像幻灯片中检测数千个细胞通常是耗时的且容易出错。

3、随着深度学习在图像领域取得的重大突破，在各领域中表现优良。在医学中也有体现，包括皮肤恶性肿瘤的分类、肿瘤的影像诊断、视网膜疾病的检测和分类等。针对人工判读存在的一系列问题，使用深度学习辅助判读宫颈细胞医学图像具有巨大潜力。能够减轻医师的工作负担，减少主观情绪的影响，提升工作效率，提高筛查结果的可靠性。但是目前深度学习在宫颈图像研究中还处于探索阶段，对宫颈病变细胞检测准确率有待提高，对硬本文档来自技高网...

【技术保护点】

1.基于自适应特征提取的宫颈病变细胞团块检测方法，其特征在于：包括：

2.根据权利要求1所述的基于自适应特征提取的宫颈病变细胞团块检测方法，其特征在于：所述S2中，构建分组自适应特征提取网络具体为：

3.根据权利要求2所述的基于自适应特征提取的宫颈病变细胞团块检测方法，其特征在于：所述构建角度影响中心距离的动态聚焦损失函数具体为：

4.根据权利要求3所述的基于自适应特征提取的宫颈病变细胞团块检测方法，其特征在于：所述S3中所述的预处理包括使用Mosaic数据增强和多尺度训练的方法对训练集进行预处理。

5.基于自适应特征提取的宫颈病变细胞团块...

【技术特征摘要】

1.基于自适应特征提取的宫颈病变细胞团块检测方法，其特征在于：包括：

2.根据权利要求1所述的基于自适应特征提取的宫颈病变细胞团块检测方法，其特征在于：所述s2中，构建分组自适应特征提取网络具体为：

3.根据权利要求2所述的基于自适应特征提取的宫颈病变细胞团块检测方法，其特征在于：所述构建角度影响中心距离的动态聚焦损失函数具体为：

4.根据权利要求3所述的基于自适应特征提取的宫颈病变细胞团块检测方法，其特征在于：所述s3中所述的预处理包括使用mosaic数据增强和多尺度训练的方法对训练集进行预处理。

5.基于自适应特征提取的宫颈病变细胞团块检测系统，其特征在于：包括：

6.根据权利要求5所述的基于自适应特征提取的宫颈病变细胞团块检测系统，其特征在于：所述...

【专利技术属性】
技术研发人员：李刚，李星光，徐传运，蒋建忠，杨妍婷，庞静言，刘金博，陈贵豪，何攀，
申请(专利权)人：重庆理工大学，
类型：发明
国别省市：