科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了避免宫颈病理切片中误诊漏诊和细胞识别效率低下的问题，提高细胞识别效率和精度，针对宫颈细胞数据集少的特点，建立以宫颈细胞识别准确率和特异性为目标的深度学习模型TLS-Net50(Transfer Label Smooth Net 50)。该算法引入迁移学习，增强了模型的特征提取能力，减少了模型的训练时间和训练成本。为了提高模型的泛化性和鲁棒性，在此基础上使用标签平滑正则化策略。改进后的算法在公开数据上的平均分类准确率达到了98%，对比其他经典深度学习算法表现优异，这证明了TLS-Net50算法在计算机辅助宫颈细胞分类识别领域是具有优越性的，具有一定的应用前景。
-
单位武汉轻工大学; 电子工程学院
