61、精准宫颈肿瘤细胞分割与分类研究

精准宫颈肿瘤细胞分割与分类研究

1. 相关研究工作

宫颈癌是女性中第四大常见疾病，准确及时的疾病定位能够挽救生命。通过对巴氏涂片类型的细胞图像进行精确分割和分类，可以设计出自动化且可靠的宫颈癌检测方法。以下是一些相关的研究方法：
- Kurnianingsih等人的方法 ：使用掩码R - CNN处理完整的宫颈细胞分割，并使用类似VGG的网络进行分类。以ResNet10作为掩码R - CNN的核心，充分利用空间数据和先验知识。在Herlev巴氏涂片结果图像数据集上进行研究，在分割阶段使用掩码R - CNN时，在准确性（0.92 ± 0.06）、召回率（0.91 ± 0.05）和ZSI（0.91 ± 0.04）方面优于以前的分割技术。类似VGG的网络在分类步骤中，对于并行分类问题产生的整体分割细胞响应得分超过96%，标准差较小（± 2.8%）；对于7类问题，在敏感性、特异性、准确性、F1分数值和h - 均值方面产生超过95%的较高结果，标准差较低（准确性估计中最大为4.2%）。
- Zou等人的方法 ：提出了一种两步计算方法，避免了细胞分割。R - CNN模型在训练分割细胞核后，将以分割的细胞核为中心的细胞块描述为典型的实体细胞大小。对25张高分辨率NDPI全切片图像的相关数据集进行评估，表明细胞核分割后进行细胞块分类是构建有价值的自动化巴氏试验应用的有前途的方法。
- Eduardo L. Silva等人的方法 ：聚焦于此类系统中的两个步骤，即宫颈病变的识别及其分类。通过基于深度学习方法（RetinaNet）的混合管道来解决获取足够和分类的临床数据等问题，结合RF和SVM模型进行