融合注意力机制与迁移学习的宫颈细胞图像多分类优化研究
杨晨1
胡晓鹏2
1.西南交通大学 计算机与人工智能学院,成都 611756;万锦医工(沈阳)科技有限公司,沈阳 1100002.西南交通大学 计算机与人工智能学院,成都 611756
摘要：针对相近类别宫颈细胞图像的形态特征相似性较高,数据集规模有限导致模型泛化能力不足的问题,本研究提出了一种改进的 Resnet34 模型,用于宫颈细胞图像多分类任务.首先,在 Resnet34 的残差块中融合注意力模块,并将激活函数ReLU 替换为 PReLU,提升模型对细节的捕捉能力和适应性;其次,采用迁移学习策略,提升模型的泛化性能.结果显示,改进后的模型准确率达 96.78%,相比原始 Resnet34 提升了 1.32%.本研究模型能有效捕捉相近类别宫颈细胞图像的细微差异特征,优化模型的识别性能与泛化能力,可为宫颈癌的早期自动化筛查提供可靠的技术支撑.
关键词：多分类宫颈细胞图像Resnet34注意力机制迁移学习
分类号：R318(医用一般科学)TP183(自动化基础理论)
论文发表日期：2026-06-30
在线出版日期：2026-09-11（本平台首次上网日期，不代表文献的发表时间）
页数：7( 197-203 )
英文信息