基于生成对抗网络的低分化宫颈癌病理图像分类

作者：李晨; 张家伟; 张昊; 汪茜

来源：东北大学学报(自然科学版), 2020, 41(07): 1054-1064.

• 宫颈癌辅助诊断
• 组织病理学图像分类
• 生成对抗网络
• 特征提取
• k-means聚类

使用生成对抗网络(GAN)扩充宫颈癌病理图像的数据集以提高计算机辅助诊断的准确率.首先,使用GAN进行细胞质部分图像生成;其次,使用两次k-means聚类对生成图像进行筛选;最后,使用Inception-V3模型对数据集进行分类训练.结果表明,在测试集相同的情况下,该方法可以将总体分类准确率提升约2. 5%,尤其对低分化宫颈癌病理图像有显著效果.通过GAN解决了组织病理学图像无方向性、内容复杂、前景目标规则性差等问题,证明了该方法的有效性及发展潜力.

• 单位
  辽宁省肿瘤医院; 中国医科大学; 东北大学