[发明专利]一种基于卷积神经网络的宫颈癌细胞图片识别算法

权利要求书

1.一种基于卷积神经网络的宫颈癌细胞图片识别算法，其特征在于:首先对采集的TCT宫颈细胞图片进行预处理，包括以细胞核为中心对细胞图片进行粗分割，分割像素大小为299×299。然后设计卷积神经网络的结构，分别为输入层，卷积层1，池化层1，卷积层2，池化层2，卷积层3，全连接层，Softmax层和输出层。每个卷积层后都通过ReLU激活函数完成去线性化，公式表示如下所示：

f(x)＝max(x，0) (1)

神经网络优化的目标由交叉熵损失函数来定义，公式表示如下所示：

H(p，q)＝-∑_xp(x)logq(x) (2)

(2)式中，p代表的是正确答案，q代表的是预测值。假设原始的神经网络输出为y₁,y₂，...，y_n，那么经过Softmax回归处理之后的输出为：

将预处理后的图片分为训练集和测试集两部分。把训练集的数据标签化后输入卷积神经网络进行训练，当损失函数收敛时保存训练好的模型。最后把测试集的数据输入已保存的模型中获得最终的识别结果。

2.根据权利要求1所述的一种基于卷积神经网络的宫颈癌细胞图片识别算法，其特征在于：不依靠细胞质或者细胞核的精确分割和手工进行特征提取与选择，在对原始宫颈TCT细胞图片进行粗分割后，通过卷积神经网络自动提取细胞图片中的深层次特征完成识别。