不同残差网络模型的HEp-2细胞荧光图像分类比较

对人的喉癌上皮细胞(HEp-2)进行准确的荧光细胞图像分类,对识别、诊断以及后续治疗起着关键的作用,同时用HEp-2细胞鉴定抗核抗体(ANA)也是判别自身免疫病的常用方法之一。以计算机视觉为基础的HEp-2细胞分类和抗核抗体分析,有助于降低专家的工作量,加强疾病检测技术的准确性和快速性。文章提出了基于深层次残差网络的HEp-2细胞分类研究,并利用不同残差模型进行实验和比较。实验表明,该方法可有效地对HEp-2细胞进行分类。