HEp-2_cell_classification2018——细胞荧光显微喉癌分类

今天将分享细胞荧光显微喉癌分类完整实现版本，为了方便大家学习理解整个流程，将整个流程步骤进行了整理，并给出详细的步骤结果。感兴趣的朋友赶紧动手试一试吧。

一、HEp-2_cell_classification2018介绍

间接免疫荧光（IIF）是一种通过荧光标记的二级抗体间接检测患者血清中特定抗原的自体抗体的技术，广泛应用于如系统性红斑狼疮等自身免疫疾病的诊断。HEp-2细胞，因其表达多种细胞核抗原，成为IIF实验的理想基质，尽管存在来源争议，现认为是人类乳突病毒相关宫颈腺癌细胞。

二、HEp-2_cell_classification2018任务

细胞荧光显微喉癌6分类：包含均质，斑点，核仁，着丝粒，核膜，高尔基。

三、HEp-2_cell_classification2018数据集

数据来源ICPR2012 和 ICPR2014 竞赛。这两个数据集中的所有图像都分为两部分：正片和中间片。更具体地说，训练集和测试集分别包含 (721, 734) 和 (10877, 2719) 图像，其中均质有2495个，斑点有2831个，核仁有2598个，着丝粒有2741个，核膜有2208个，高尔基有724个。

数据下载：

https://www.heywhale.com/mw/dataset/5ec3c6883241a100378d5d4a

四、技术路线

1、将图像缩放到固定大小96x96，然后采用均值为0，方差为1的方式进行归一化处理，再将数据分成训练集和验证集。

2、搭建ResNet2d网络，使用AdamW优化器，学习率是0.001，batchsize是512，epoch是500，损失函数采用交叉熵。

3、训练结果和验证结果

4、验证集分类结果

5、测试集分类结果