基于改进RetinaNet的宫颈异常细胞检测算法
宫颈异常细胞特征细微难以提取、小目标容易漏检、细胞边界回归不准确导致异常细胞检测精度不高,鉴于此,本文提出了一种结合注意力的全尺度特征融合RetinaNet(AFF-RetinaNet)宫颈异常细胞检测算法.首先,采用ResNeSt-50作为特征提取网络提取宫颈异常细胞的细微特征;其次,引入平衡特征金字塔(BFP)结构,对所有特征层进行全尺度融合,增强小目标的语义信息,并利用BFP中的非局部注意力模块获取图像的全局信息,以进一步增强特征空间的语义信息;最后,采用CIoU Loss作为回归分支的损失函数,以提高对异常细胞边界回归的准确率.另外,针对实际应用场景,基于AFF-RetinaNet算法实现了全视野宫颈细胞病理学图像(WSI)推理流程,并基于该推理流程对WSI中的异常细胞进行了检测.AFF-RetinaNet在宫颈异常细胞数据集上的平均精度均值(mAP)为83.4％,其中对小目标的mAP值(mAP-s)达到了 24.4％,相较于基准RetinaNet算法分别提高了 3.2个百分点和10.8个百分点.基于AFF-Retina的WSI推理结果在感兴趣区域中的mAP为70.8％.实验结果表明:AFF-RetinaNet算法可以增强对小尺寸异常细胞的检测能力,有效提升宫颈异常细胞的检测精度.基于AFF-RetinaNet的宫颈WSI推理流程可辅助医生快速定位高分辨率宫颈WSI中的异常细胞,有望减轻医生的阅片负担.
医用光学、宫颈细胞病理图像、目标检测、小目标、特征融合、注意力机制
50
TP391.4(计算技术、计算机技术)
苏州市基础研究试点项目SJC2021022
2023-10-16（万方平台首次上网日期，不代表论文的发表时间）
共10页
101-110
