基于生成对抗网络的低分化宫颈癌病理图像分类
基于生成对抗网络的低分化宫颈癌病理图像分类
复制标题
DOI：
10.12068/j.issn.1005-3026.2020.07.022
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
汪茜
中科院分区：
文献类型：
--
作者：
李晨;张家伟;张昊;汪茜
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.