一种基于IUT-ResNet的妇科分泌物杂质聚类方法技术

本发明专利技术涉及一种基于IUT‑ResNet的妇科分泌物杂质聚类方法,属于图像处理及深度学习领域。使用肘部法确定最佳聚类质心数量k<subgt;opt</subgt;，使用全连接特征Kmeans方法构建起始训练样本集，半监督迭代更新训练实现最优聚类。有益效果是引入特征学习能力较强的深度网络技术，提出一种适用于妇科分泌物中大量特征复杂、形态不一杂质样本聚类的新方法，为后续海量数十种有效样本的准确识别提供重要前提，通过与现有几种聚类方法的实验效果相比，验证本发明专利技术方法的聚类准确性。对促进智能医疗仪器研发、提高医疗仪器检测性能具有重要意义。

【技术实现步骤摘要】

本专利技术方法属于图像处理及深度学习领域，尤其涉及一种基于iut-resnet的妇科分泌物杂质聚类方法。

技术介绍

1、随着生物医学的发展，医学研究已经从组织、器官的研究进入到显微细胞阶段，通过对病变细胞显微图像的识别与分析来诊断疾病，诊断率较高，因此医学显微图像技术的应用也越来越广泛。与此同时，深度学习技术研究逐年深入，越来越多的研究人员将深度网络技术运用于图像识别及检测问题当中，这一系列的发展为智能医疗检验提供了良好的发展条件。

2、妇科分泌物检验在女性生殖系统疾病预防与诊断中具有重要意义，而实际临床获取的采集样本中往往存在大量种类多样、形态各异的杂质样本，并且这些杂质与某些有效类别样本存在较强的相似性，严重影响后续数十种有效成分的准确识别。因此如何有效实现多形态杂质样本的准确聚类是妇科分泌物成分准确识别的关键，进而影响医疗仪器检验性能。

3、多年来国际许多著名大学和研究机构都开展了医学图像分析方向的基础理论和应用研究。国内医学图像分析研究也取得了一定成绩，得到了许多大学和研究机构的青睐。医学图像分析最初主要采用边缘检测、纹理特本文档来自技高网...

【技术保护点】

1.一种基于IUT-ResNet的妇科分泌物杂质聚类方法，其特征在于，包括下列步骤：

2.根据权利要求1所述的一种基于IUT-ResNet的妇科分泌物杂质聚类方法，其特征在于，所述步骤(1)包括：

3.根据权利要求1所述的一种基于IUT-ResNet的妇科分泌物杂质聚类方法，其特征在于，所述步骤(2)包括：

4.根据权利要求1所述的一种基于IUT-ResNet的妇科分泌物杂质聚类方法，其特征在于，所述步骤(3)中，形成初始聚类质心后对所有杂质样本使用半监督迭代更新训练，步骤如下：

【技术特征摘要】

1.一种基于iut-resnet的妇科分泌物杂质聚类方法，其特征在于，包括下列步骤：

2.根据权利要求1所述的一种基于iut-resnet的妇科分泌物杂质聚类方法，其特征在于，所述步骤(1)包括：

3.根据权利要求1所述的一种基于iut...

【专利技术属性】
技术研发人员：田雅男，董明骏，柳晨，马紫晨，
申请(专利权)人：吉林大学，
类型：发明
国别省市：