長尾分布下的宮頸細胞分割與分類框架

楊曉娜 李超煒 邵慧麗 何勇軍

摘要：目前利用深度學習識別宮頸異常細胞有兩個難題：（1）宮頸細胞種類多樣且宮頸細胞圖像因人而異；（2）宮頸細胞呈現長尾分布，影響宮頸細胞的分類精度。本文提出了一種基于深度學習的宮頸細胞分割與分類框架。本框架首先進行細胞核分割，使用UNet作為基礎模型進行減層，加入AG模塊，并使用ACBlock模塊代替傳統標準卷積塊；然后使用ResNeSt對分割數據進行粗分類，將根據醫生經驗提取的人工特征和ResNeSt網絡提取的機器特征進行融合進行細分類，利用主動學習迭代地擴充宮頸細胞類別，并在BBN模型中融合ACBlock模塊處理長尾數據；最后根據TBS診斷標準和醫生的診斷經驗提煉出異常細胞的診斷指標，篩選異常細胞。實驗表明，本文的分割算法較原方法提升了352%，加入所有特征的分類算法提升了1.2%。針對陽性病人，癌細胞診斷準確率達到91%。

關鍵詞：UNet；ResNeSt；細胞核分割；細胞核分類；長尾分布