基于深度学习的宫颈鳞状上皮内病变识别算法

摘要

本发明公开了基于深度学习的宫颈鳞状上皮内病变识别算法，包括以下步骤：获取预先准备好的宫颈数字病理图像；利用VGG16改进U‑net算法对所述病理图像进行细胞核分割，获取细胞核的Mask图像；采用超像素聚类算法对所述病理图像进行区域分割，并结合所述Mask图像计算出密度矩阵，提取密度特征得到密度图像；结合所述病理图像、所述Mask图像和所述密度图像的三种数据集，并利用集成CNN进行识别。有益效果：实现了细胞核的分割，以及基于细胞核密度特征的病理图像识别，使简单的CNN模型效率更高，且节省资源，同时，能够起到辅助医生提高宫颈癌变的诊断效率和准确率的效果。