医学分析基于机器学习的宫颈癌检测，可以使用自己的数据集训练

本科生项目：基于Mask RCNN深度学习模型的宫颈癌细胞学AI筛选系统 摘要：随着计算机视觉和深度学习的发展，可以使用人工智能解决子宫颈癌细胞自动筛选的问题。 在宫颈癌细胞自动筛选领域，大多数研究主要基于传统的机器学习算法来解决简单的细胞分割和分类问题，而正常宫颈细胞与异常宫颈细胞重叠的细胞分割问题则难以解决。 本文基于Mask RCNN深度学习模型，研究宫颈癌细胞筛查中的细胞分割问题，通过实例分割方法对重叠的正常和异常宫颈细胞进行分割，并进行全视角细胞的目标检测和分类任务研究幻灯片。 在细胞分割方面，Mask RCNN模型用于对ISBI14，ISBI15，CERVIX93发布的子宫颈细胞数据集以及医院通过液基细胞学方法生成的临床子宫颈细胞数据集进行实例分割训练和预测。 最后，在公共数据集ISBI14上进行细胞质分割的模型的结果是：mAP为0.866，平均精度为0.99，在IoU = 0

颜色分类leetcode 深度宫颈癌：使用深度学习进行宫颈癌分类 概述 SIPakMed 数据集上宫颈癌分类的深度学习框架，可提高 PAP 涂片​​检查评估和癌症预后的准确性 简要总结 作为 ETH 项目的一部分，基于来自 PAP 测试涂片的细胞显微图像开发了用于宫颈癌检测和分类的深度学习框架。 该项目的目的是为医生提供一个有用的工具，以快速检测患者是否已经发展或有发展为宫颈癌的危险。简单地说，它构成了女性患者宫颈癌检测和预后的快速工具。 数据集 该模型将在 Pap 涂片图像中的正常和病理宫颈细胞的基于特征和图像的分类的新数据集上进行训练。 数据集可下载 该数据集由996张巴氏涂片（全片图像）的簇细胞图像组成，有5个宫颈细胞分类类别； a) 角化不良 b) Koilocytotic c) 化生性 d) 副基底层 e) 浅中级。 总体而言，该项目侧重于基于整个幻灯片显微细胞图像（不仅仅是裁剪的细胞图像，而是整个幻灯片）的 5 类分类分类 程序 下载 SIPakMed 数据集 SIPakMed 数据集结构需要类似于下图所示的结构。 使用“implementation_DatasetDivi

属性约简matlab代码宫颈癌分析 分析来自 Kaggle 的数据集，使用 27 个可能与发展为宫颈癌有因果关系的属性，为宫颈癌诊断构建预测性二元分类模型。 该项目旨在通过奇异值分解、支持向量机和人工神经网络来了解哪些属性最能说明女性是否会患上宫颈癌。 该数据集包括 4 项诊断测试的结果：Hinselmann、席勒、细胞学和活检。 对 Hinselmann 结果进行了奇异值分解，而对所有 4 个结果都进行了 SVM 和 ANN 该项目是 MATH123: Mathematical Aspects of Data Analysis A 的最终项目，这是塔夫茨大学的一门课程 文件 宫颈癌 Python Main data analysis: Includes analysis via Support Vector Machine and Artificial Neural Networks (ANN) to build a binary classification model to determine whether or not someone would be diagnosed w

英特尔Mobileodt宫颈癌筛查 [SIGE-MII-UGR-2016-17] Kaggle竞赛“英特尔与MobileODT宫颈癌筛查”的资料库

宫颈癌 用Kaggle数据集进行宫颈癌分类

加权基因共表达网络与机器学习算法确定宫颈癌中免疫浸润相关的基因签名与预后分析.pdf

腹腔镜下超声刀与高频电刀在宫颈癌治疗中的疗效比较及其对并发症和医疗费用的影响.pdf

基于数据挖掘分析CC类趋化因子在宫颈癌中的表达及意义.pdf

随着光机电电脑等高科技新技术的出现，使已有百余年的显微镜细胞病理诊断技术走进自动化、智能化、标准化及网络化的新时代。用这项技术为广大中国基层妇女开展宫颈癌筛查服务，将彻底解决我国缺乏细胞病理医生的困境，有望迅速将中国宫颈癌发病率及死亡率降到发达国家水平。 从机械手上片开始，宫颈标本片的自动扫描，正常细胞与癌变细胞的自动分类，癌变细胞的量化参数诊断及报告生成等一系列智能化诊断过程，是一个客观量化的诊断过程，经仪器扫描后玻片上的每个细胞的500余个量化诊断参数和其在玻片上的位置，随时供细胞病理医生随机挑选，复核诊断。从此将宫颈涂片简单重复的细胞初筛工作交给机器人完成，细胞病理医生可轻松高效地完成最关键的细胞病理复核诊断工作。宫颈细胞机器人的诞生，与细胞病理医生资源的充分有效利用，将彻底改变我国基层宫颈癌筛查现状。 1）自动化大数据细胞学诊断替代了百余年人工传统细胞学诊断方法，具有客观，量化，重复性好的优点。细胞诊断机器人的诞生，解决了中国缺乏细胞病理医技人员的困境。 2）细胞大数据云计算技术的应用，消除了地域差别，有效地整合了稀有的细胞病理专家资源，减轻细胞病理医生工作量，大大提高各级宫颈癌筛查诊断质量，实现全国宫颈细胞诊断的智能化和标准化。 3）宫颈癌筛查实现了自动化，智能化，网络化后，对全国宫颈癌筛查结果的分析，评估，阳性病例追踪及档案保持都提供了极大方便。信息标准化、精细化管理，自动获取项目相关大数据，为政府及专家决策提供了客观可靠的信息资料，为管理和质控服务。 4）宫颈癌初筛终端自动化，与互联网的结合，在提高了质量的基础上，大大降低了筛查成本，减少中间环节费用，通过手机将报告直接传输给受检者，实现筛查移动端（手机）自动查询功能在极大方便服务对象的同时，为广大妇女群众常态多次参加筛查提供了方便，同时为基层医务工作人员减轻了负担。将有助于提升项目检查随访率，特别有利于人员分散地区以及流动人口密集的服务机构的综合服务管理。