公开(公告)号：CN118587498A

公开(公告)日：2024-09-03

申请号：CN202410738717.X

申请日：2024-06-07

Applicant: 安徽大学

Inventor： 李莉萍 ,  冯芸 ,  张艳 ,  程鸿 ,  梁凤 ,  卢锐颖 ,  刘梦月 ,  彭程

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/40 ,  G06V10/774 ,  G06T7/00 ,  G06N3/0895 ,  G06N3/094 ,  G06N3/0475 ,  G06N3/0464

Abstract: 本发明公开了一种结合生成对抗网络的半监督学习宫颈上皮内瘤变程度分类方法及系统，方法包括：基于改进的生成对抗网络GAN生成逼真阴道镜醋酸图像，通过超分辨率生成对抗网络SRGAN对所述逼真阴道镜醋酸图像进行优化；基于深度残差网络ResNet为优化后的逼真阴道镜醋酸图像生成伪标签，并基于优化后的逼真阴道镜醋酸图像与有真实标签的图像对所述ResNet网络进行训练，直至伪标签不再变化，保留训练后的ResNet网络；将独立的阴道醋酸镜图像输入至训练后的ResNet网络中，进行宫颈上皮内瘤变程度分类。本发明能更好地适应阴道镜图像样本覆盖不充分的情况，减少数据偏差的影响。