基于改进GoogLeNet微核细胞图像分类
刘勍
何秉蔚
蒋一波
陈坤
魏凯斌
赵玉祥
天水师范大学电子信息与电气工程学院 甘肃天水 741001
摘要：微核的出现与染色体损伤或环境污染有关,为解决传统检测方法效率低且易受人为因素的影响,文章提出了一种基于改进GoogLeNet的微核图像分类深度学习方法,首先进行数据增强来减少类别不平衡过拟合的现象,其次引用迁移学习的方式,最后引入注意力机制和可变形卷积网络,增强模型对微核细胞图像中关键区域的关注能力.通过对比其他深度学习卷积网络,改进后的GoogleNet在微核细胞图像分类任务中表现优异,分类平均准确率达到96.96％,优于传统方法.
关键词：微核卷积网络注意力机制可变形卷积
资助基金：天水师范大学研究生创新项目(TCXM2531)国家自然科学基金(62363031)甘肃省科技计划项目(23JRRE074025JRRE004)天水市秦州区科技计划项目(2023-SHFZG-6497)
论文发表日期：2025-08-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：5( 68-72 )