DSCC-classifier

项目简介

该项目全称是基于深度学习的TCT图片异常宫颈细胞自动识别方法，该方法的整体流程描述如下：

• 通过MSER算法自动定位TCT图像中的宫颈细胞细胞核；
• 由细胞核质心坐标生成一个固定大小的ROI图片，用于代表该宫颈细胞；
• 基于海量的ROI图片数据集构建并训练宫颈细胞分类器（二分类：正常/异常）；
• 使用宫颈细胞分类器预测新的宫颈细胞ROI图片，完成对异常宫颈细胞的检测；

该方法的示意图如下所示：

数据集介绍

目前，我们已经有计划的将我们的样本图片做成一个公开的数据集。尽管我们原始的目的只是完成宫颈细胞的初筛（二分类任务），但是为了让数据集发挥更大的作用，我们将样本的类别划分为如下三类：

• 正常宫颈细胞
• 低级别异常宫颈细胞（ASCUS、ASCUS-H、LSIL）
• 高级别异常宫颈细胞（HSIL、CIS）

三类样本的示例图片如下所示：

数据集对应的论文及数据集具体下载地址待更新......

卷积神经网络分类模型

1. VGG16 pretrain model:

   待更新。。

2. ResNet50：

   待更新。。

3. Densenet：

   待更新。。

4. MobileNet-V1：

   待更新。。

5. SSModel：

   待更新。。