基于超图计算的高精度混合特征融合网络用于颈部异常细胞检测
计算机视觉与模式识别
2025-08-25 v1
摘要
自动检测薄prep cytologic 检查（TCT）图像中的异常颈部细胞是智能计算机诊断系统的关键组成部分。然而，现有算法通常无法有效建模视觉特征之间的相关性，而这些空间相关特征实际上包含关键诊断信息。此外，尚无检测算法能够整合细胞间相关特征与细胞内部判别特征，缺乏面向端到端检测模型的融合策略。本文提出了一种基于超图的细胞检测网络，有效融合不同类型的特征，结合空间相关特征和深层判别特征。具体而言，我们采用多层融合子网络（MLF-SNet）增强特征提取能力。随后，我们引入基于超图计算的跨层特征融合策略（CLFFS-HC），以整合混合特征。最后，我们在三个公开数据集上进行实验，结果表明该方法显著提高了颈部异常细胞检测性能。
引用
@article{arxiv.2508.16140,
title = {High-Precision Mixed Feature Fusion Network Using Hypergraph Computation for Cervical Abnormal Cell Detection},
author = {Jincheng Li and Danyang Dong and Menglin Zheng and Jingbo Zhang and Yueqin Hang and Lichi Zhang and Lili Zhao},
journal= {arXiv preprint arXiv:2508.16140},
year = {2025}
}