专利交易市场

本发明公开了一种基于多注意力融合机制和高精度分割网络的病理细胞分类方法，包括：病理细胞图像的收集与预处理；构建多注意力融合模块，包括构造压缩激励模块和空间注意力模块；构建高精度分割网络，通过高精度分割网络在病理细胞图像上生成感兴趣区域；搭建基于多注意力融合和高精度分割网络的深度网络模型，利用预处理过的病理细胞图像对模型进行训练，得到病理细胞分类在正确率最高的网络模型；将需检测的病理细胞图像送入优化的网络模型中，获得对病理细胞样本的分类结果。本发明使模型能够学习到细胞图像中的通道权重和空间权重，可利用高精度分割网络提取图像中病理细胞区域的特征进行分类，从而有效减小计算量及噪声影响。

本发明公开了一种基于虚拟对抗训练网络的半监督宫颈癌图像分类方法，包括：收集宫颈癌图像数据集，得到用于半监督网络的训练数据集和测试数据集；对训练数据集中标注和未标注的宫颈癌图像进行数据增强，包括对宫颈癌图像进行平移变换、旋转变换、缩放变换；搭建主干网络，包括AlexNet和混合注意力机制；搭建虚拟对抗训练网络，采用给定的输入并且增加扰动，模型给出不同的输出；模型因扰动对灵敏度进行处罚；宫颈癌图像通过虚拟对抗训练网络得到相关的特征并送入分类器进行分类，最终对测试的宫颈癌图像输出所属类别。本发明可充分利用已标注数据以及未标注数据，通过模型进行分类，从而辅助医生更好的诊断和治疗。