基于多层次硬极化特征融合的TCT涂片自动检测系统技术方案

本发明专利技术公开了一种基于多层次硬极化特征融合的TCT涂片自动检测系统，其包括YOLO‑TCT模型，YOLO‑TCT模型由对YOLOv8进行改进得到，改进在于将YOLOv8骨干网络中的C2f模块替换为MLHP‑C2f模块。通过消融实验证明，在YOLOv8‑L基础上单独添加ML、PSA或HPSA时进行特征融合会对模型的性能产生负面的影响，只有当结合ML和HPSA时，模型才实现了最佳的mAP<subgt;0.5:0.95</subgt;和mAP<subgt;0.5</subgt;，展示了MLHP结构的合理性和优越性。不同模型对比实验结果显示，在针对高分辨率宫颈细胞TCT涂片图像的检测中，YOLO‑TCT检测精确度上显著优于其他模型系统。

【技术实现步骤摘要】

本专利技术涉及医疗技术及图像处理，特别涉及一种用于图像分类的宽度学习系统及其训练方法和图像分类方法。

技术介绍

1、宫颈癌是最常见的妇科恶性肿瘤之一，在许多国家的发病率和死亡率仍然居高不下。然而，宫颈癌的发展进程相对缓慢，从癌前病变到浸润性癌症通常需要数年甚至数十年的时间。有研究表明，通过早期的筛查和有效的治疗，能够使得宫颈癌的癌前病变临床治愈率接近于100％。这不仅有效防止病情的进一步恶化，还显著降低了宫颈癌的发病率和死亡率。因此，早期筛查宫颈病变在预防宫颈癌的发生中具有极其重要的意义。

2、随着医疗技术的不断进步，宫颈癌筛查方法也取得了显著改善。其中，液基细胞学检测(thinprep cytologic test,tct)作为目前最先进的宫颈细胞学筛查技术，在宫颈癌的早期筛查和诊断中发挥着关键作用。然而，传统的tct筛查依赖于经验丰富的医生在显微镜下手动审阅涂片。这种方法不仅耗时，而且费力，同时也容易受到医生主观因素和专业水平的限制。

3、近年来，深度学习在医学图像处理领域取得了显著进展，特别是在目标检测方面。许多方法采用深度学本文档来自技高网...

【技术保护点】

1.基于多层次硬极化特征融合的TCT涂片自动检测系统，其特征在于：包括YOLO-TCT模型，所述YOLO-TCT模型由对YOLOv8进行改进得到，所述改进在于将YOLOv8骨干网络中的C2f模块替换为MLHP-C2f模块，所述MLHP-C2f模块包括依次连接的第一卷积层、Split层、n个Bottleneck层、Concat层、第二卷积层和硬极化自注意力层，第一卷积层、Split层、各个Bottleneck层的输出还直接输入到Concat层，第一卷积层的输入和第二卷积层的输出融合后输入硬极化自注意力层；所述硬极化自注意力层是将极化自注意力模块中的Sigmoid函数替换为Hard Sigm...

【技术特征摘要】

1.基于多层次硬极化特征融合的tct涂片自动检测系统，其特征在于：包括yolo-tct模型，所述yolo-tct模型由对yolov8进行改进得到，所述改进在于将yolov8骨干网络中的c2f模块替换为mlhp-c2f模块，所述mlhp-c2f模块包括依次连接的第一卷积层、split层、n个bottleneck层、concat层、第二卷积层和硬极化自注意力层，第一卷积层、split层、各个bottleneck层的输出...

【专利技术属性】
技术研发人员：刘然，吕迪，易琳，陈鑫，刘子恒，陈宇泽，杜忠浩，胡伟，
申请(专利权)人：重庆大学，
类型：发明
国别省市：