[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

摘要

本发明公开了一种基于卷积神经网络的宫颈癌细胞图片识别算法，由于传统的方法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，一旦产生分割误差或者提取到不准确的特征，细胞识别的准确率就会降低。本发明通过卷积神经网络来自动提取细胞图片中的深层次特征继而完成识别任务。识别算法流程如下：(1)宫颈细胞TCT图片粗分割；(2)粗分割后图片输入卷积神经网络模型进行训练；(3)保存训练好的网络模型获取最终识别结果。本发明所述的宫颈癌细胞图片识别算法区别于传统的识别方法，在实际应用中有较好的识别效果。

主权项

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，...，yn，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。