[发明专利]一种基于细粒度的宫颈细胞图像分类方法

说明书

本发明公开了一种基于细粒度的宫颈细胞图像分类方法，包括图像采集模块、增广模块、特征提取模块、空间与通道注意力模块，所述图像采集模块和增广模块电性连接，所述增广模块与特征提取模块通过电性连接，所述特征提取模块与空间与通道注意力模块单向连接，所述空间与通道注意力模块单向与增广模块连接。该基于细粒度的宫颈细胞图像分类方法提出了基于空间和通道的注意力机制，它能有效地定位细粒度宫颈细胞图像中的主要物体，并提取出高辨别性的细粒度特征。此外，在注意力机制定位主要物体的位置后，使用多样化的注意力数据増广技术对网络模型进行训练，减缓了模型的过拟合现象。

技术领域

本发明涉及细胞图像分类技术领域，具体为一种基于细粒度的宫颈细胞图像分类方法。

背景技术

宫颈癌是我国女性最常见的恶性肿瘤之一，位列女性常见肿瘤的第二位，仅次于乳腺癌，目前宫颈癌发病率呈上升和年轻化趋势，且患者对生活质量有着很高的要求。如果在早期筛查出宫颈癌，并且在早期进行干预治疗的话，治愈率可以达到百分之八十以上。宫颈癌的早期筛查对于宫颈癌的预防和控制尤为重要，所以对于广大女性朋友来说，进行早期宫颈癌筛查是十分有必要的，这样能够大大地提高宫颈癌患者的生存率，对女性的生命健康来说，具有非常重要的意义。女性要养成定期体检的习惯，特别是每年要进行一次TCT检查或者宫颈刮片检查，TCT检查是目前医学上最先进的，也是最有效的一种宫颈癌早期筛查技术，通过进行检查，就能够在早期准确的筛查出宫颈癌。 目前临床上使用的宫颈癌筛查手段有三个，分别是宫颈细胞学检查、hpv检测和应用最为广泛的TCT。

宫颈细胞学检查是最重要的宫颈癌细胞学筛查手段之一，也就是宫颈刮片巴氏涂片检查，这种方法是最经济、最普遍、最简单有效且副作用最小的早期宫颈癌筛查手段，通过在显微镜下检查有无异常细胞，适合于大规模人群的集体体检。细胞涂片是细胞学家或者病理学家通过手动筛选的，因为宫颈细胞学涂片宫颈细胞图像是一种显微宫颈细胞图像，一幅涂片宫颈细胞图像的像素通常在500万像素，一幅涂片宫颈细胞图像上有数以千记甚至更多的细胞，并且细胞涂片的数量巨大，所以手工筛查对细胞学家或病理学家来说是一个高重复性的工作，同时也可能由于手工筛查的时间过长而导致他们出现视觉疲劳，而且要求工作人员要具备全面的医学知识、丰富的临床经验，并且通过人工来判读宫颈细胞种类的可靠性、准确性很容易受到工作人员的主观因素的影响，从而使细胞的分类错误，降低了分类的准确率，提高了假阳性（将正常细胞判读为病变细胞）和假阴性（将病变细胞判读为正常细胞）。采用计算机辅助细胞学检测的方法不仅可以提高筛选效率，也能够有效降低误诊率和假阴性率。因此，其研究发展受到了人们的广泛关注。 经过多年发展，计算机辅助的细胞宫颈细胞图像分类方法已经比较成熟。目前应用于细胞分类的方法主要有两种，分别是基于细胞核特征构建的分类方法和多宫颈细胞图像裁剪分类方法。但这两种方法的应用都存在一定的局限性。基于细胞核特征构建的分类方法缺乏一定的准确率，而宫颈细胞图像裁剪分类则容易造成信息冗余或丢失等。因此，人们需要推动新的细胞分类方法的发展。深度卷积神经网络凭借着自身的特点，在宫颈细胞图像分类中发挥着重要的作用。由于自身发展的限制，目前卷积神经网络的应用存在着一定的问题与缺陷。 传统的宫颈细胞图像分类是判断识别宫颈细胞图像的种类，比如给定一张图片，判断图片中的物体是猫还是狗；而细粒度宫颈细胞图像分类，要在同属于一个类别的中，判断更细的类别，比如，给定一张图片，要判断图片中的物体是什么种类的猫或者是哪一种类的狗。细粒度宫颈细胞图像分类要更加困难，它的主要挑战在于(1)准确判定关键识别区域(2)提取有效的细粒度特征。因此，本文提出一种基于细粒度的宫颈细胞图像分类方法，可大幅度提升分类的准确度和减少需要训练的样本量，基于注意力机制，将识别区域判定与细粒度特征提取结合起来，相互促进。

发明内容