基于 Ｅｆｆｉｃｉｅｎｔｎｅｔ的宫颈图像的识别分类

基于 Ｅｆｆｉｃｉｅｎｔｎｅｔ的宫颈图像的识别分类 

巫 毅 吴钢华 乔政杰 蒋天豪 

（上海大学 快速制造中心，上海 ２００４４４） 

摘 要：宫颈癌是全球第二高发的女性癌症，但是如果及时发现，其治愈率几乎为 １００％。阴道镜检查是临床筛查宫颈上皮内瘤变（ＣＩＮ）和早 期宫颈癌的重要步骤之一，直接影响患者的诊断方案。然而，这种方法取决于阴道镜检查者的观察。本文建立了宫颈图像的数据集，并提出了 一种基于 Ｅｆｆｉｃｉｅｎｔｎｅｔ的宫颈图像分类的方法。实验结果表明，该模型取得了比经典深度学习方法更好的分类性能，其分类结果准确率可达 ９０５６％。

关键词：宫颈图像；图像分类；Ｅｆｆｉｃｉｅｎｔｎｅｔ；迁移学习 

中图分类号：ＴＰ７５２ 文献标识码：Ａ 国家标准学科分类代码：４６０４０９９ 

ＤＯＩ：１０．１５９８８／ｊ．ｃｎｋｉ．１００４－６９４１．２０２１．１２．０１４