基于支持向量机和残差网络的成团细胞分类方法及系统

本发明涉及生物医学检测技术领域，提供了基于支持向量机和残差网络的成团细胞分类方法及系统，方法包括步骤：采集扫描标本后获得的图像数据,分割提取图像数据中的有效特征；将有效特征投入初筛模型中，利用dat模型得到成团细胞的初筛分类结果为：有意义成团细胞或无意义成团细胞，丢弃无意义成团细胞；利用分类模型过滤无意义残留细胞，将有意义成团细胞中的单个细胞进行定位，并进行二次分类为：阳性细胞或阴性细胞。在本发明中，通过特征工程学对图像特征进行提取，通过初筛模型对样品进行初筛；采取深度学习的方法对初筛结果进行分类，提升了对于成团细胞的检测效率，进一步提升病理医生对DNA分析系统在妇科和非妇科诊断准确性的认可。