文献类型：期刊文章

作　　者：鞠孟汐[1] 李欣蔚[1] 李章勇[1]

JU Mengxi;LI Xinwei;LI Zhangyong(Biomedical Engineering Research Center,The Chongqing University of Posts and Telecommunications,Chongqing 400065,P.R.China)

机构地区：[1]重庆邮电大学生物医学工程研究中心,重庆400065

出　　处：《生物医学工程学杂志》

基　　金：全新动态DR关键技术研发与产品开发(cstc2017zdcy-zdyfX0049);重庆市教委科学技术研究计划项目(KJQN201800622);国家自然科学基金项目(61601072,61801069)。

年　　份：2020

卷　　号：37

期　　号：3

起止页码：519-526

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD_E2019_2020、EI、EMBASE、IC、JST、PROQUEST、PUBMED、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：白带显微图像中白细胞的数量可以提示阴道炎症的严重程度。目前对白带中白细胞的检测主要依靠医学专家们的人工镜检,这种人工检查耗时、昂贵且容易出错。近年来,有研究提出基于深度学习技术对白带白细胞实现智能检测,但是这类方法通常需要人工标注大量的样本作为训练集,标注代价高。因此,本研究提出运用深度主动学习算法来实现对白带显微图像中白细胞的智能检测。在主动学习框架下,首先以少量的标注样本作为基础训练集,采用更快的卷积神经网络(Faster R-CNN)训练检测模型,再自动挑选最有价值的样本进行人工标注,从而迭代更新训练集和相应的检测模型,使模型的性能不断提高。实验结果表明,深度主动学习技术能在较少的人工标注样本下获得较高的检测精度,对白细胞检测的平均精度达到了90.6%,可以满足临床常规检查要求。

关 键 词：白带显微图像  白细胞 深度主动学习  智能检测 Faster R-CNN  

分 类 号：TP18] TP391.41] R446.19]