简介：在此提出一种改进的深度卷积神经网络模型,该模型通过增加并联卷积层,拓展卷积神经网络宽度实现,有利于提取图像特征,提高网络性能;卷积层中对特征图像采用批量归一化方法进行预处理,加快网络训练.实验结果表明,该模型能更准确地学习宫颈癌细胞图像特征,从而有效降低了分类错误率.

简介：深度学习是人工智能领域发展的一个不可或缺的部分,并且广泛应用于图像识别方面.为了进一步降低宫颈癌细胞图像的识别错误率,本文提出了一种基于卷积神经网络的改进算法.该算法通过搭建卷积神经网络框架,对下采样过程中特征提取阶段的池化模型进行改进,在下采样过程中对池化域内的每个元素分配合适的权值得到下采样特征图.实验结果表明,我们所提出的基于卷积神经网络的改进算法降低了对宫颈癌细胞图像的识别错误率.

简介：为有效降低宫颈癌细胞图像在图像识别中的假阴性率,在此提出一种改进的残差网络算法.该改进算法通过对交叉熵代价函数增加权重实现,根据不同病变程度的宫颈细胞建立权重矩阵,有针对地对假阴性类别的输出进行加权处理,优化分类输出、减少假阴性误判.实验结果表明,对于不同的宫颈细胞图像数据集,本改进算法输出分类效果稳定;与传统图像分类算法相比,改进后的交叉熵代价函数算法在识别分类宫颈细胞图像时,能有效降低宫颈癌细胞图像的假阴性率.

简介：为了解宁波市不同区域生猪感染猪链球菌2型的现状,我们在不同时间从宁波市不同区域采集了两种猪龄的病猪咽喉拭子、死猪扁桃体、屠宰场和鲜肉市场猪肉等四类251份生猪样品进行检测分析.样品经选择性增菌培养,采用荧光定量PCR方法检测猪链球菌2型cps2j、mrp和ef三种毒力基因,评估检测猪链球菌2型感染情况和菌株毒力风险.结果表明,不同区域样本中猪链球菌2型三种毒力因子检出率在病猪咽喉拭子中最高（53.2%、41.9%、40.3%）,其次是死猪扁桃体样本;4—6月份病猪中猪链球菌2型检出率高达77.8%,且高毒力型猪链球菌2型菌株（cps2j＋mrp＋ef＋）也大量检出（61.1%）.说明春季是猪感染猪链球菌2型感染高发时节,尤其要做好防疫工作.