基于改进YOLOv5的宫颈病变细胞检测方法技术

本发明专利技术涉及一种基于改进YOLOv5的宫颈病变细胞检测方法。通过图像缩放、拼接和翻转等方式进行数据增强，扩充数据集，提高网络的训练质量；并在YOLOv5网络模型基础上，通过融合图像的上下文信息来提高目标检测的精度；并为了降低计算成本，结合Swin Transformer和GC Net，前者可以有效捕获全局信息以及丰富的上下文信息，后者可以以较低的计算成本更有效地捕获远程依赖，提高宫颈病变细胞检测的性能。在几个公开数据集上的实验结果表明，本发明专利技术算法有效提升了宫颈病变细胞检测性能。

【技术实现步骤摘要】

本专利技术属于图像处理，具体涉及一种基于改进yolov5的宫颈病变细胞检测方法。

技术介绍

1、癌症致死率高，是全球因疾病死亡的一大因素。宫颈癌是女性第四大常见癌症，是近几年女性健康的热门话题。宫颈病变细胞的研究对于保护女性健康也有着非常重要的作用。据globocan在2020年公布的数据，在2020年里，全球约有癌症发病人数有1929万，死亡人数近1000万。其中，60.4万名妇女被诊断为患有宫颈癌，另外有近46.6万人死于该疾病。如果可以在早期检测到宫颈病变细胞，那么该疾病的患病率将会大大降低。在很多宫颈癌的诊断过程中，宫颈鳞状病变细胞显微涂片的诊断一直是个困难的问题。在目前临床医学中，已证明最有效的宫颈癌筛查方法，主要还是依靠经验丰富的病理医生通过光学显微镜，观察宫颈细胞显微涂片中的细胞形态进行诊断。这种检测方法需要经验丰富的医疗工作者，且审阅显微图像是非常费时费力的工作。

2、目前的宫颈细胞的显微图像辅助筛查系统主要分为三个方面：宫颈细胞的检测、分类和分割。得利于近几年深度学习的快速发展，许多曾经的医学领域的研究者逐渐开始从利用传统的机本文档来自技高网...

【技术保护点】

1.一种基于改进YOLOv5的宫颈病变细胞检测方法，其特征在于，在YOLOv5网络模型基础上，在主干网络的高层次特征中使用SwinTransformer Block，同时，在网络的第3、5、7和9层中使用GCNet Block得到更全面的上下文信息，来更宏观地获得图像特征，增强对图像中小目标的检测效果。

2.根据权利要求1所述的基于改进YOLOv5的宫颈病变细胞检测方法，其特征在于，YOlOv5网络模型，其主干网络是使用的CSP-Darknet53，在该基础上，对第3、5、7、9和11层进行修改，使用SwinTransformer Block替换原始的C3 Block。...

【技术特征摘要】

1.一种基于改进yolov5的宫颈病变细胞检测方法，其特征在于，在yolov5网络模型基础上，在主干网络的高层次特征中使用swintransformer block，同时，在网络的第3、5、7和9层中使用gcnet block得到更全面的上下文信息，来更宏观地获得图像特征，增强对图像中小目标的检测效果。

2.根据权利要求1所述的基于改进yolov5的宫颈病变细胞检测方法，其特征在于，yolov5网络模型，其主干网络是使用的...

【专利技术属性】
技术研发人员：李佐勇，李智凯，彭中华，曹新容，刘伟霞，
申请(专利权)人：闽江学院，
类型：发明
国别省市：