基于改进的Mask R-CNN的宫颈细胞图像分割研究

宫颈癌是严重威胁妇女健康的常见恶性肿瘤,早期筛查至关重要。针对我国优质医疗资源分布不均问题,通过人工智能辅助分析,研究细胞病理图像的染色归一化和分割技术。改进的Macenko染色归一化方法提高了图像的一致性,改进的Mask R-CNN模型增强了细胞重叠和遮掩情况下的分割性能。实验结果表明,这些改进显著提升了图像分割的准确性和稳定性。