一种基于诊断结果引导伪标签与统一数据增强的半监督宫颈异常细胞长尾重采样检测方法

一种基于诊断结果引导伪标签与统一数据增强的半监督宫颈异常细胞长尾重采样检测方法，本发明涉及宫颈异常细胞检测中，全景图像存在大量无标注的数据，并且异常细胞数据标注困难且异常细胞存在长尾分布，导致数据无法充分利用，异常检出率和召回率低问题。半监督学习技术通过使用少量标记数据和大量未标记数据来学习信息，在医疗图像领域有着广泛的应用。由于全景图像的实例级别的异常细胞信息与全景图像诊断结果是息息相关的，半监督检测方法往往只考虑实例级别的标签，而忽略作为全局信息的诊断结果，这些因素导致了现有深度学习半监督目标检测方法的准确率低。为改善这一问题，本发明提出一种基于诊断结果引导伪标签与统一数据增强的半监督宫颈异常细胞长尾重采样检测方法。实验表明，该方法能有效地利用病理切片诊断结果的全局信息，减少了伪标签的不确定性，缓解长尾数据分布带来的模型偏置问题，提高了无标注数据的伪标签的可靠性，提升了异常细胞检测的准确率、召回率和平均精度。