本发明公开了一种基于深度学习的宫颈癌前病变识别的方法,方法步骤如下：第一步,阴道镜图像中宫颈区域的分割；第二步,醋酸实验前后宫颈图像的配准和比值；第三步,经典卷积神经网络VGGNet-16的优化和迁移学习；本发明的优点：本发明提出了一种用宫颈比值图像代替原图用于迁移学习的方法。该方法运用多种图像处理手段得到基于醋酸实验前后的比值图像,并最终利用在ImageNet数据集上预先训练好的VGGNet-16模型对宫颈比值图像进行迁移学习,从而实现宫颈癌前病变识别。
科研之友
微信
新浪微博
Facebook
分享链接
