公开(公告)号：CN111860591A

公开(公告)日：2020-10-30

申请号：CN202010546079.3

申请日：2020-06-16

Applicant: 南通大学

Inventor： 赵理莉 ,  管致锦 ,  杨晋朝

IPC: G06K9/62 ,  G06T7/11 ,  G06T7/155 ,  G06T7/40 ,  G06T7/50 ,  G06T7/90 ,  G06N3/02 ,  G06N3/08

Abstract: 本发明提供一种基于间隔自适应特征选择融合的宫颈细胞图像分类方法，包括如下步骤：(1)针对原始宫颈细胞图像中检测到的每个单细胞图像，进行去噪预处理后，采用分水岭分割算法提取出细胞核、细胞质区域；(2)提取宫颈细胞图像的纹理、形状、颜色特征；(3)基于间隔自适应方法进行细胞特征优化；(4)训练双层多示例超限学习机，确定训练误差最小化的MI-ELM模型参数；(5)基于已训练的超限学习机模型，对检测到的未知单细胞图像进行分类识别。本发明利用先验概率信息增强新特征判别性，联合优化特征子类和分类策略的多示例超限学习模型，提高特征利用率进而提升对象分类准确率和效率，又可以优化组合不同特征子类再进行高效地细胞二分类。

公开(公告)号：CN111860586A

公开(公告)日：2020-10-30

申请号：CN202010534407.8

申请日：2020-06-12

Applicant: 南通大学

Inventor： 赵理莉 ,  胡彬 ,  杨晋朝

IPC: G06K9/62 ,  G06T7/00 ,  G06T7/11 ,  G06T7/13 ,  G06T7/194 ,  G06T7/90

Abstract: 本发明提供一种细粒度宫颈细胞图像三阶段识别方法，首先，对电子成像设备采集到的整张宫颈细胞图像进行去噪处理以提高图像质量，去除背景确定前景细胞区域，分割出细胞核和细胞质。其次，从分割出的细胞区域中提取形状、颜色、纹理、抽象特征，对特征采用多核学习方法进行选择融合，以优化特征模式。最后，根据优化的特征模式先去除非宫颈细胞杂质，再采用基于代价敏感的主动学习方法对宫颈细胞图像进行多分类。本发明的识别流程系统完整，能提取多类型宫颈细胞图像医学特征，并对特征模式进行选择融合优化，用代价敏感学习方法去除杂质，解决了不均衡二分类问题，能有效提升宫颈细胞分类识别准确性。