文件名称:宫颈癌筛查
文件大小:478KB
文件格式:ZIP
更新时间:2024-03-09 23:42:26
Python
本科生项目:基于Mask RCNN深度学习模型的宫颈癌细胞学AI筛选系统 摘要:随着计算机视觉和深度学习的发展,可以使用人工智能解决子宫颈癌细胞自动筛选的问题。 在宫颈癌细胞自动筛选领域,大多数研究主要基于传统的机器学习算法来解决简单的细胞分割和分类问题,而正常宫颈细胞与异常宫颈细胞重叠的细胞分割问题则难以解决。 本文基于Mask RCNN深度学习模型,研究宫颈癌细胞筛查中的细胞分割问题,通过实例分割方法对重叠的正常和异常宫颈细胞进行分割,并进行全视角细胞的目标检测和分类任务研究幻灯片。 在细胞分割方面,Mask RCNN模型用于对ISBI14,ISBI15,CERVIX93发布的子宫颈细胞数据集以及医院通过液基细胞学方法生成的临床子宫颈细胞数据集进行实例分割训练和预测。 最后,在公共数据集ISBI14上进行细胞质分割的模型的结果是:mAP为0.866,平均精度为0.99,在IoU = 0