公开(公告)号：CN113887725B

公开(公告)日：2024-09-20

申请号：CN202111247110.4

申请日：2021-10-26

Applicant: 南通大学

Inventor： 赵理莉 ,  杭月琴

IPC: G06V10/82 ,  G06V10/764 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/0895 ,  G06N3/084 ,  G06N3/094

Abstract: 本发明提供一种基于生成对抗网络的宫颈细胞图像半监督学习方法，包括如下步骤：(1)训练生成对抗网络，生成负样本分布；(2)训练分类器，学习正样本和负样本的判别边界；(3)基于已训练的分类器模型，对检测到的未知单细胞图像进行分类。本发明的模型学习过程不需要任何负样本先验知识，能够联合优化生成式和判别式模型，同时利用少量有标记数据和大量未标记数据进行宫颈细胞图像半监督学习，能有效提升未标记数据利用率，进而提升宫颈细胞图像分类准确率和效率。

公开(公告)号：CN113887725A

公开(公告)日：2022-01-04

申请号：CN202111247110.4

申请日：2021-10-26

Applicant: 南通大学

Inventor： 赵理莉 ,  杭月琴

IPC: G06N3/08 ,  G06N3/04 ,  G06K9/62

Abstract: 本发明提供一种基于生成对抗网络的宫颈细胞图像半监督学习方法，包括如下步骤：(1)训练生成对抗网络，生成负样本分布；(2)训练分类器，学习正样本和负样本的判别边界；(3)基于已训练的分类器模型，对检测到的未知单细胞图像进行分类。本发明的模型学习过程不需要任何负样本先验知识，能够联合优化生成式和判别式模型，同时利用少量有标记数据和大量未标记数据进行宫颈细胞图像半监督学习，能有效提升未标记数据利用率，进而提升宫颈细胞图像分类准确率和效率。