技术特征：
1.基于注意力机制及检测变换器的宫颈细胞检测与识别方法，其特征在于，包括：s1、将多个宫颈癌细胞源图像输入预设卷积网络，提取图像特征；所述预设卷积网络采用结合自注意力机制的50层残差网络作为骨干网络；s2、对所述源图像进行空间位置编码；对提取的所述图像特征进行降维，并结合所述空间位置编码，进行变换器处理；s3、将变换器的处理结果输入两个前馈神经网络，分别预测检测框及类别，并据此计算损失函数；通过最小化所述损失函数来更新网络参数，获得最优模型；s4、基于所述最优模型，对待检测识别的宫颈细胞源图像进行检测，实现对宫颈异常细胞的定位与分类。2.根据权利要求1所述的基于注意力机制及检测变换器的宫颈细胞检测与识别方法，其特征在于，所述结合自注意力机制的50层残差网络包括：5个卷积块和4个残差块；所述步骤s1包括：s11、对50层残差网络中的残差块加入四种自注意力机制；s12、对50层残差网络中的残差块进行修改，加入可形变卷积；s13、将待检测识别的源图像输入50层残差网络做卷积操作；在步骤s12所述可形变卷积上增加了通过一个卷积层对输入特征图学习偏移量的操作，通过双线性插值，得到输出特征图；s14、将步骤s11中四种注意力机制计算出的注意力分数融合得到最终的注意力分数；s15、将所述输出特征图与所述注意力分数融合，完成图像特征的提取。3.根据权利要求2所述的基于注意力机制及检测变换器的宫颈细胞检测与识别方法，其特征在于，所述步骤s11中，对50层残差网络中的残差块加入四种自注意力机制，包括：加入自注意力机制的残差网络块表达为：(1)式中，m表示注意头的总数；m表示注意头索引；ω
q
表示指定查询的支持键区域；a
m
(q，k，z
q
，x
k
)表示第m个注意头的注意权重，其中z
q
表示查询内容，x
k
表示键内容，q为z
q
的索引，k为x
k
的索引；w
m
和w
′
m
分别表示可学习的权重；
⊙
表示对应位置元素相乘，注意力权重归一化限制为：(2)式中，
(3)式中，∈
j
共四种，∈1表示查询和键内容的相似度；∈2表示查询的内容和相对位置；∈3表示键的内容；∈4表示键和查询之间的全局位置偏差。4.根据权利要求1所述的基于注意力机制及检测变换器的宫颈细胞检测与识别方法，其特征在于，所述步骤s2，包括：s21、对所述源图像进行空间位置编码；s22、对提取的所述图像特征进行降维，并结合所述空间位置编码，传入转换编码器，得到编码器输出；s23、结合所述空间位置编码、以及所述编码器输出，传入转换解码器进行解码，得到解码器输出。5.根据权利要求4所述的基于注意力机制及检测变换器的宫颈细胞检测与识别方法，其特征在于，所述步骤s21，包括：对所述源图像进行空间位置编码，为：对所述源图像进行空间位置编码，为：其中，m表示通道下标，pos表示位置下标，d
model
表示特征的维度。6.根据权利要求4所述的基于注意力机制及检测变换器的宫颈细胞检测与识别方法，其特征在于，所述步骤s22中的转换编码器由多头自注意力模块和一个前馈神经网络组成；所述步骤s22包括：对提取的所述图像特征进行降维，并结合所述空间位置编码，经过自注意力模块得到一个加权后的特征向量：其中，q、k、v分别表示查询、键、值内容，d
k
表示键向量的维度。得到特征向量后送入前馈神经网络中，进行空间变换，得到对n个物体编码后的特征。7.根据权利要求1所述的基于注意力机制及检测变换器的宫颈细胞检测与识别方法，其特征在于，所述步骤s3中的前馈神经网络由一个具有线性整流函数激活函数、d维隐藏层的3层感知器和一个线性层构成；所述步骤s3包括：s31、将变换器的处理结果输入两个前馈神经网络，输出预测框的标准化中心坐标，高度和宽度；线性层使用softmax函数预测类标签；
s32、使用二元匹配将真值框与预测框进行匹配，匹配策略如下：n表示预测出目标的数量；y
i
表示真值目标，表示预测目标，σ表示预测值到真值的对应关系，σ(i)表示第i个预测对应的真值目标索引，如下：其中表示第σ(i)个物体被预测为c
i
类别的概率，b
i
表示真值目标框，表示预测的目标框；最终得出的损失函数为：其中y与分别表示类别真值与预测值，为边界框损失函数：其中，为giou损失函数；s33、通过最小化所述损失函数来更新网络参数，获得最优模型。
技术总结
本发明公开了基于注意力机制及检测变换器的宫颈细胞检测与识别方法，包括：将多个宫颈癌细胞源图像输入预设卷积网络，提取图像特征；预设卷积网络采用结合自注意力机制的50层残差网络作为骨干网络；对源图像进行空间位置编码；对提取的图像特征进行降维，并结合空间位置编码，进行变换器处理；将变换器的处理结果输入两个前馈神经网络，分别预测检测框及类别，并据此计算损失函数；通过最小化损失函数来更新网络参数，获得最优模型；基于最优模型，对待检测识别的宫颈细胞源图像进行检测，实现对宫颈异常细胞的定位与分类。该方法可实现对细胞涂片进行筛查，可以很好地解决人工阅片的低准确性和局限性，成本更低、工作量小、准确性更高。更高。更高。
技术研发人员：姜志国 史骏 郑钰山 杨斐寒
受保护的技术使用者：麦克奥迪（厦门）医疗诊断系统有限公司
技术研发日：2021.10.09
技术公布日：2022/1/11