女性生殖道细胞病理智能分类方法、诊断仪及存储介质
技术领域
本发明涉及细胞图像处理技术领域,尤其涉及一种女性生殖道细胞病理智能分类方法、诊断仪及存储介质。
背景技术
病理学被誉为“医学之本”,是医学诊断的“金标准”;病理医生的根本任务是对疾病作出最终诊断,发现和探索新发的病种,为临床医生提供治疗和预防的依据。
但是,单纯通过病理医生进行诊断存在以下不足:(1)病理诊断虽然是医学诊断的“金标准”,但是由于病理医师资历,水平及对疾病的认知能力的不同,病理诊断的含金量不同,人工诊断主观性强、缺乏质控,病理诊断精准率差异较大;(2)待诊病例与诊断病理医师的比例严重失调,病理医生通常需要日以继夜地超负荷工作,影响病理医生的身心健康;(3)筛选、诊断及确诊的时间过长,不能准确及时发出诊断报告。
发明内容
为了克服现有技术的不足,本发明的目的之一在于提供一种女性生殖道细胞病理智能分类方法,其能实现对女性生殖道细胞进行阴阳性判断及对阳性女性生殖道细胞进行具体病变类型分类。
本发明的目的之二在于提供一种女性生殖道细胞病理智能诊断仪,其能实现对女性生殖道细胞进行阴阳性判断以及对阳性女性生殖道细胞进行具体病变类型分类。
本发明的目的之三在于提供一种计算机可读存储介质,该存储介质中的程序运行时能实现对女性生殖道细胞进行阴阳性判断以及对阳性女性生殖道细胞进行具体病变类型分类。
本发明的目的之一采用如下技术方案实现:
一种女性生殖道细胞病理智能分类方法,所述方法基于卷积神经网络的基础上实施,具体步骤以下:
构建女性生殖道细胞智能分类卷积神经网络模型;
获取训练样本,所述训练样本为多个种类女性生殖道细胞图像,其中,所述女性生殖道细胞图像包括女性生殖道细胞的正常细胞图像及对应的病变细胞图像;
对所有女性生殖道细胞图像中的目标细胞进行标注;
对标注后的女性生殖道细胞图像进行预处理;
将预处理后的女性生殖道细胞图像输入所述女性生殖道细胞智能分类卷积神经网络模型中,对所述女性生殖道细胞智能分类卷积神经网络模型进行训练,使所述女性生殖道细胞智能分类卷积神经网络模型被训练成为女性生殖道细胞智能分类器,其中,所述女性生殖道细胞智能分类卷积神经网络模型对输入的女性生殖道细胞图像的处理流程包括:a、检测女性生殖道细胞区域;b、判别女性生殖道细胞阴阳性并进行分类,阴性为正常细胞,阳性为病变细胞;c、将阳性女性生殖道细胞进行分类;
将待检测的女性生殖道细胞图像输入训练完成后的女性生殖道细胞智能分类卷积神经网络模型中;
训练完成后的女性生殖道细胞智能分类卷积神经网络模型检测所述待检测的女性生殖道细胞图像的女性生殖道细胞区域;对所述女性生殖道细胞区域中的目标细胞进行阴阳性判别,若是阴性,则输出结果;若是阳性,则对阳性女性生殖道细胞进行分类,获得分类结果并输出。
进一步地,每个种类的女性生殖道细胞图像的正常细胞图像以及病变细胞图像均具有10000例以上。
进一步地,所述对女性生殖道细胞图像中的目标细胞进行标注具体为:采用逐像素的多边标注方法对女性生殖道细胞图像中的目标细胞进行标注。
进一步地,所述获取训练样本具体为:使用数字显微镜获取女性生殖道细胞检材标本的女性生殖道细胞图像并将所述女性生殖道细胞图像传送至计算机;在计算机中将女性生殖道细胞图像及该女性生殖道细胞图像对应的病理诊断结果整合为一例训练样本并储存至训练样本数据库中。
进一步地,所述女性生殖道细胞为宫颈液基细胞,所述多个种类女性生殖道细胞图像具体为22种宫颈液基细胞图像。
进一步地,所述女性生殖道细胞智能分类卷积神经网络模型包括:女性生殖道细胞区域检测模块、女性生殖道细胞阴阳性判别模块及阳性女性生殖道细胞分类模块,所述女性生殖道细胞区域检测模块的输入端用于输入经过预处理后的训练样本,所述女性生殖道细胞区域检测模块的输出端与所述女性生殖道细胞阴阳性判别模块的输入端连接,所述女性生殖道细胞阴阳性判别模块的阳性输出端与所述阳性女性生殖道细胞分类模块的输入端连接,所述阳性女性生殖道细胞分类模块的输出端输出分类结果。
进一步地,所述女性生殖道细胞阴阳性判别模块采用多分辨率女性生殖道细胞分类卷积神经网络结构,所述多分辨率女性生殖道细胞分类卷积神经网络结构的输入端具有两个通道,一是低分辨率通道,二是高分辨率通道;所述低分辨率通道由多个卷积层逐一连接组成,所述高分辨率通道为多个卷积层逐一连接后再连接至上采样层;所述低分辨率通道的输出结果和所述高分辨率通道的输出结果进行融合后,输入到全连接层,经过全连接层后输出阴阳性判别结果。
进一步地,所述阳性女性生殖道细胞分类模块包括多个特征提取单元、特征向量组合单元及分类单元,所述特征提取单元用于抽取所输入的阳性女性生殖道细胞图像中的特征向量,所述特征向量组合单元用于将所抽取的所有特征向量进行组合以形成高维的特征向量,所述分类单元根据该高维的特征向量对所输入的阳性女性生殖道细胞图像中的病变细胞进行分类。
本发明的目的之二采用如下技术方案实现:
一种女性生殖道细胞病理智能诊断仪,包括数字病理扫描仪,所述数字病理扫描仪包括数字显微镜和计算机,所述计算机安装有可执行程序,所述程序运行时可实现上述的女性生殖道细胞病理智能分类方法。
本发明的目的之三采用如下技术方案实现:
一种计算机可读存储介质,所述计算机可读存储介质存储有可执行计算机程序,所述计算机程序运行时实现上述的女性生殖道细胞病理智能分类方法。
相比现有技术,本发明的有益效果在于:
使用该女性生殖道细胞病理智能分类方法,检验的正确率可达到95%,可快速将女性生殖道细胞进行病理分析及分类,无需人工分析,节省人力,极大地提高了女性生殖道细胞的病理诊断分析效率;同时可实现异地诊断,缺乏病理医生及专业的分析仪器的基层医疗机构可将患者的细胞图像传送至具有专业分析仪器的顶层医疗机构进行病理分析。
附图说明
图1为本发明提供的一种女性生殖道细胞病理智能分类方法的流程图;
图2为本发明提供的一种女性生殖道细胞智能分类卷积神经网络模型;
图3为图2中的一种多分辨率女性生殖道细胞分类卷积神经网络的结构图;
图4为本发明提供的一种逐像素的多边形标注的示意图。
具体实施方式
结合附图以及具体实施方式,对本发明做进一步描述,需要说明的是,在不相冲突的前提下,以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
请参阅图1至图4,一种女性生殖道细胞病理智能分类方法,该方法基于卷积神经网络的基础上实施,具体包括以下步骤:
S1、构建女性生殖道细胞智能分类卷积神经网络模型;
S2、获取训练样本,训练样本为多个种类的女性生殖道细胞图像;
S3、对所有女性生殖道细胞图像中的目标细胞进行标注;
S4、对标注后的女性生殖道细胞图像进行预处理。在计算机辅助诊断任务中,需要输入的影像数据有较高质量,而原始的宫颈液基细胞图像中,存在许多噪声、亮度及色彩不均等问题。为了减少输入数据中的噪声以及亮度不均等因素的影响,使得神经网络的预测有一个精度和鲁棒性较高的结果,加入预处理环节,通过综合利用色彩平衡算法、几何仿射变换算法等图形图像方面的算法,设计图像的预处理流程,完成图像的预处理工作。
S5、将预处理后的女性生殖道细胞图像输入女性生殖道细胞智能分类卷积神经网络模型中,对女性生殖道细胞智能分类卷积神经网络模型进行训练,使女性生殖道细胞智能分类卷积神经网络模型被训练成为女性生殖道细胞智能分类器,其中,女性生殖道细胞智能分类卷积神经网络模型对输入的女性生殖道细胞图像的处理流程包括:a、检测女性生殖道细胞区域;b、判别女性生殖道细胞阴阳性,阴性为正常细胞,阳性为病变细胞;c、将阳性女性生殖道细胞进行分类;
S6、将待检测的女性生殖道细胞图像输入训练完成后的女性生殖道细胞智能分类卷积神经网络模型中;
S7、训练完成后的女性生殖道细胞智能分类卷积神经网络模型检测待检测的女性生殖道细胞图像的女性生殖道细胞区域;对女性生殖道细胞区域中的目标细胞进行阴阳性判别,若是阴性,则输出结果;若是阳性,则对阳性女性生殖道细胞进行分类,获得分类结果并输出。
在本实施例中,女性生殖道细胞为宫颈液基细胞,图2至图4均以宫颈液基细胞为例,女性生殖道细胞图像为22种宫颈液基细胞图像,其中,每种宫颈液基细胞图像包含该种宫颈液基细胞正常的细胞图像及其病变的细胞图像。
作为一种优选的实施方式,每个种类的女性生殖道细胞图像的正常细胞图像以及病变细胞图像均具有10000例以上,以保证经过训练后的女性生殖道细胞智能分类卷积神经网络模型检验识别的准确率。
作为一种优选的实施方式,获取训练样本具体为:使用数字显微镜获取女性生殖道细胞检材标本的女性生殖道细胞图像并将女性生殖道细胞图像传送至计算机;在计算机中将女性生殖道细胞图像及该女性生殖道细胞图像对应的病理诊断结果整合为一例训练样本并储存至训练样本数据库中。
作为一种优选的实施方式,对女性生殖道细胞图像中的目标细胞进行标注具体为:采用逐像素的多边标注方法对女性生殖道细胞图像中的目标细胞进行标注。摒弃传统的外接圆或外接矩形等标注方式,采用了逐像素的多边形标注,如图4所示,使得标注范围更加贴切实际情况,减少了背景及其它细胞的误入,对提升随后的女性生殖道细胞智能分类卷积神经网络模型的训练精度,有着重大帮助。
获取训练样本及对训练样本进行标注的过程为:将TCT(Thinprep cytologic)检材标本放置在高倍数的“数字显微镜”下并获得图像并传送给全自动计算机,全自动计算机会对高倍数的数字显微镜传输上来的图像进行高精度、多视野、无缝隙拼接和处理,处理后的的高清图像同时会被传输到与计算机相连的电子现显示屏上(LED),病理医生根据电子显示屏显示出来的图像针对22种不同类型的TCT细胞进行标注。
22种类型的TCT细胞的判断标准如下:
1、滴虫性阴道炎
标准:⑴滴虫呈梨形,约15—30μm大小。⑵常常排列在上皮细胞浆边缘,背景中与退变的中性白细胞混惨,亦多为退变而难以见到保存完整的鞭毛。⑶其胞浆灰兰色,有时见到嗜酸性小颗粒并呈模糊状。⑷滴虫的核偏位于胞浆中、梭形、染色质为网状。⑸往往伴随上皮细胞的改变:胞浆红染和核周晕出现。⑹滴虫可能拌有纤毛菌感染。
2、真菌感染,形态符合念珠菌属
标准:⑴念珠菌芽孢3—7μm,假菌丝巴氏染色时呈嗜曙红到灰褐色。⑵假菌丝和长形芽孢沿纵轴排列。⑶在中性白细胞和鳞状上皮细胞堆的背景中呈“发芽树枝”状的酵母菌(菌丝和芽孢或孢子)。⑷若涂片中仅找到孢子,可能不引起霉菌性阴道炎表现。但经验证明发现孢子很可能有菌丝存在,或许取材所致,应提请临床医师追随。
3、球杆菌形态符合阴道变异菌群
标准:⑴发现多量鳞状上皮细胞被球杆菌覆盖,尤其沿细胞膜边缘排列,外观似线索状而称谓“线索细胞”。⑵小的球杆菌亦充满上皮细胞间的背景中。⑶若涂片中大量(一般大于20%)线索细胞,患者白带稀薄并带有腥臭味,PH值>4.5时可诊断为细菌性阴道病。
4、杆菌形态符合放线菌属
标准:⑴放线菌为具锐角分枝状细丝样微生物,呈纷乱团排列,外观为似破棉絮或破驼毛片状。⑵白细胞团粘附到微生物的小集落上,呈“硫磺颗粒”状外观,在放线菌纷乱团周围能见到肿胀的细丝或“小棒”。⑶急性感染时可发现多量中性白细胞。
5、单纯疱疹病毒感染
标准:⑴细胞增大并大小不一致。⑵细胞多核、核镶嵌排列并拥挤而几乎不重叠。⑶胞核呈胶质状“毛玻璃”外观,核边缘染色质深染形成似核套。⑷核内可能见到深曙红色包涵体,其周围有晕或透明窄区。核内包涵体虽大小不一,一般均增大而几乎占据整个核、形状不够规则。⑸应与颈管成片脱落的柱状上皮细胞鉴别,尤其退变后核染色质外观均质灰淡颇似毛玻璃。
6、成团细胞
标准:⑴鳞状上皮细胞核增大为正常中层鳞状上皮的1-2.5倍,宫颈管柱状上皮细胞可能增加更大。⑵偶尔出现双核或多核细胞。⑶胞核可能轻度深染,而核染色质为细颗粒状并分布均匀。⑷核固缩和核碎裂可见。⑸核形整齐光滑,大小较为一致。⑹小核仁有时出现⑺胞浆丰富,可能见到空泡和核周晕,其周围胞浆不增厚。⑻可能见到储备细胞增生和化生细胞。⑼典型组织修复细胞,除上述其中任何改变外,以核仁明显为特点,一般细胞片状排列并单层为主,很少出现单个细胞的改变,胞核极向一致,可能见到非病理性核分裂象。
7、单个细胞
包括单个的基底层细胞及副基底层细胞;
基底层细胞诊断标准:为未分化的小细胞,与组织细胞十分相似,细胞圆形或卵圆形,核圆居中,染色质细而均匀,胞质深蓝色。
副基底层细胞诊断标准:细胞为圆形、卵圆形、胞质较厚,边界光滑,胞核圆形或卵圆形,居中,核染色质细颗粒状,均匀分布,胞质蓝色深染。可单个可成片出现。
8、中表层细胞
包括中间层细胞和表层上皮细胞;
中间层细胞诊断标准:细胞形状多样,呈多边形、卵圆形等,核圆居中,核大小约为红细胞大小。胞质透明浅蓝色;
表层上皮细胞诊断标准:细胞形状多样,呈多边形或多角形,染色质较疏松,细胞核呈固缩状,胞质粉红色。
9、放疗反应性细胞改变
标准:⑴细胞明显增大,但核浆比例无明显失常。⑵细胞可能畸形怪状。⑶胞浆中可能出现空泡或多彩染色。⑷胞核增大伴退变,即核染色质淡染,固缩或污浊状和空泡出现。⑸核大小不一致,细胞群中有增大的核和核正常大小、双核和多核常见。
10、宫内节育器的反应性细胞改变
标准:⑴柱状上皮细胞呈小团,一般5-15个细胞,背景干净。⑵偶见单个上皮细胞,核大而核浆比增高。⑶胞核常常退变。⑷核仁可能明显。⑸胞浆量多少不等,可见大空泡使核堆向一边,呈印戒细胞外观。⑹类似砂粒状体的钙化物不一定见到。
11、萎缩性反应性细胞改变
标准:⑴萎缩鳞状上皮细胞或外底层样细胞核增大而不深染。⑵裸核常见、细胞自容所致。常见核碎裂。⑶出现外底层样细胞,其胞浆嗜橘红或嗜曙红并核固缩,类似不全角化细胞。⑷多量炎性渗出物、嗜蓝颗粒状背景,类似癌性背景。⑸无定型嗜蓝物成为涂片背景,可能外底层样细胞退变所致。⑹滤泡性宫颈炎:非炎症性病变,绝经后病人多见成群出现淋巴源性细胞,多为成熟淋巴细胞。
12、子宫内膜细胞
标准:⑴细胞团状排列或散在分布,团状排列多为呈立体感强的簇状排列,细胞彼此重叠拥挤,核染色质结构不清晰。⑵排卵前期可能脱落成双层的细胞球,称基质球,豆形核、核仁可见,染色质清楚。⑶胞浆可见空泡。
13、非典型鳞状上皮细胞,临床意义不明确(ASC-US)
标准:⑴核增大,面积比正常中层细胞核大2.5-3倍。⑵N/C轻度增加。⑶核和细胞形状有些不一致。⑷可以见到双核细胞。⑸细胞核轻度深染,染色质分布均匀。⑹核轮廓光滑,规则,少见不规则的核轮廓。
14、非典型鳞状细胞,不除外高度鳞状上皮内病变(ASC-H)
标准:⑴核增大,面积比正常中层细胞核大1.5-2.5倍。⑵N/C中度增加。⑶核和细胞形状有些不一致。⑷细胞核染色质稍深染,细胞质较少而浓稠,或有角化。⑸见不规则的核轮廓。
15、低度鳞状上皮细胞内病变(LSIL)
标准:⑴细胞单个或片状排列。⑵胞浆“成熟”或表层型胞浆。⑶核大于正常中层细胞核面积至少3倍。⑷核大小形状中度不一致。⑸双核或多核常见。⑹核深染,染色质分布均匀。⑺如果胞浆具HPV感染改变时,核表现退变或模糊状⑻核仁少见,如出现亦不明显。⑼核膜清楚可见(可能轻度不规则)或边界完全不清(核染色质模糊)。⑽细胞边界清楚可见。
16、高度鳞状上皮细胞内病变(HSIL)
标准:⑴细胞常常单个或成片或像合胞体样排列。⑵细胞核异常,其大多数鳞状上皮具“不成熟”胞浆:花边状和淡染或致密化生型胞浆,偶尔胞浆呈“成熟“状或致密角化型。⑶核增大在LSIL范围内,但胞浆面积减少因而使N/C明显增大,核增大实际上可能比LISL要小。⑷细胞大小比LISL小。⑸核深染明显,染色质可能细颗粒状或块状,但分布均匀。⑹核仁常常不明显。⑺核轮廓可能不规则。
17、鳞状细胞癌(SC)
标准:TBS系统将鳞癌分为非角化型和角化型。我国报告方式提倡首先确认为癌和肯定为鳞状细胞癌。然后尽量区分组织类型:非角化型、角化型和小细胞型。非角化型鳞状细胞癌:⑴细胞散在或合体细胞样排列。⑵细胞大,多数细胞核浆比例重度失常。⑶胞浆多蓝染。⑷胞核增大明显,核也不规则,染色质增多,粗颗粒状分布不均匀,出现块状。⑸核仁明显亦常见。⑹涂片背景伴炎性细胞、坏死物、细胞碎片、陈旧性红细胞和颗粒状蛋白质退变物,即癌性背景明显。角化型鳞状细胞癌:⑴癌细胞大小和性状相差悬殊,畸形怪状多见。⑵胞浆常常嗜橘红或嗜依红。⑶核形状和大小多种多样、深染。⑷核染色质分布不均、块状、颗粒状或固缩状。⑸核仁有时可能出现,比非角化型要少的多。⑹癌性背景可能见到。
18、宫颈管腺上皮
标准:⑴单个或栅栏状、蜂窝状排列。⑵细胞柱形、立方形,核圆或卵圆,均在细胞底部,染色质细颗粒状。
19、腺癌
标准:⑴细胞团数量明显增多。⑵出现大的核仁。⑶出现大的粘液空泡。
20、非典型腺上皮细胞,意义不明确(AG-NOS)
标准:⑴细胞可呈片状、带状、团块状排列,细胞排列轻度拥挤。⑵核有重叠现象,核增大或拉长,可为正常宫颈管细胞核的1-3倍。⑶核形状、大小可有轻度非典型性,核染色质颗粒状、轻度深染、分布均匀,核仁一般不明显。⑷胞质仍丰富,核质比有一定程度增加。
21、非典型腺上皮细胞,倾向于肿瘤(AGC-FN)
标准:⑴腺细胞非典型性更明显。⑵可见细胞团外缘的羽毛状排列,核较具有非典型性,可见核分裂,核质比高。⑶胞质边界不清,诊断时高度怀疑原位癌或腺癌,但细胞在形态上和量上不足以判读为原位癌或腺癌。
22、子宫内膜腺癌(EA)
标准:⑴细胞排列呈单个散在或紧密成小簇团。⑵胞质少,嗜碱性,常有空泡。⑶核轻度增大且大小不一。⑷极性消失。⑸中度深染,染色质分布不均伴旁区空亮。⑹核仁小而明显。⑺三维立体状结构明显。⑻常有癌性背景。
请参阅图2,作为一种优选的实施方式,女性生殖道细胞智能分类卷积神经网络模型包括:女性生殖道细胞区域检测模块、女性生殖道细胞阴阳性判别模块及阳性女性生殖道细胞分类模块,女性生殖道细胞区域检测模块的输入端用于输入经过预处理后的训练样本,女性生殖道细胞区域检测模块的输出端与女性生殖道细胞阴阳性判别模块的输入端连接,女性生殖道细胞阴阳性判别模块的阳性输出端与阳性女性生殖道细胞分类模块的输入端连接,阳性女性生殖道细胞分类模块的输出端输出分类结果。输入一张宫颈液基细胞图像时,女性生殖道细胞智能分类卷积神经网络模型首先通过女性生殖道细胞区域检测模块检测图像中宫颈液基细胞的位置并进行标注,然后将该区域输入到女性生殖道细胞阴阳性判别模块中,使女性生殖道细胞阴阳性判别模块对该宫颈液基细胞进行阴阳性判别,若是阴性,则直接输出结果,若是阳性,则将该宫颈液基细胞传输到阳性生殖道细胞分类模块以对该阳性宫颈液基细胞进行分类。
请参阅图3,作为一种优选的实施方式,女性生殖道细胞阴阳性判别模块采用多分辨率女性生殖道细胞分类卷积神经网络结构,多分辨率女性生殖道细胞分类卷积神经网络结构的输入端具有两个通道,一是低分辨率通道,二是高分辨率通道;低分辨率通道由四个卷积层逐一首尾连接组成,高分辨率通道由四个卷积层逐一首尾连接后,输入到上采样层连接;低分辨率通道的输出结果和高分辨率通道的输出结果进行融合后(融合为卷积神经网络中的Concatenate操作),输入到全连接层,经过全连接层后输出阴阳性判别结果。该多分辨率女性生殖道细胞分类卷积神经网络结构针对宫颈细胞图像中不同病变、不同分化阶段、以及不同年龄层次患者细胞的大小和形态各异的特点,将输入数据分为了低分辨率图像和高分辨率图像,并且分别在两个分辨率下进行卷积操作,抽取图像特征,并在全连接层之前将两个分辨率下的特征进行融合,最终根据这个特征预测细胞的阴阳性。通过采用该结构,可以大大提高神经网络阴阳性判别的准确率,极大地降低假阴性概率,使之趋近于零。
作为一种优选的实施方式,阳性女性生殖道细胞分类模块包括多个特征提取单元(即为特征提取器)、特征向量组合单元及分类单元(即为分类器),特征提取单元用于抽取所输入的阳性女性生殖道细胞图像中的特征向量,特征向量组合单元用于将所抽取的所有特征向量进行组合以形成高维的特征向量,分类单元根据该高维的特征向量对所输入的阳性女性生殖道细胞图像中的病变细胞进行分类。在阳性细胞自动分类任务中,本发明采用了经典手工设计的语义特征和机器学习分类器相结合的方法,将病变的宫颈细胞图像经过多个特征提取器抽取特征向量,并将所有的特征向量进行组合,形成一个高维的特征向量,最终分类器在高维的特征向量上对宫颈病变细胞进行分类,得到分类结果。
此外,本发明提供了一种女性生殖道细胞病理智能诊断仪,包括数字病理扫描仪,数字病理扫描仪包括数字显微镜和计算机,计算机安装有可执行程序,程序运行时可实现上述的女性生殖道细胞病理智能分类方法。采用该女性生殖道细胞病理智能诊断仪,可对患者的女性生殖道细胞图像进行诊断,可将阴性的病例排除掉,还可对阳性的病例进行具体分类,病理医生只需对阳性的病例进行复核即可,大大降低了病理医生的工作量。此外,很多基层医疗机构不具备专业的分析仪器以及病理医生,可通过互联网将患者的细胞图像传送给具有该女性生殖道细胞病理智能诊断仪的医疗机构中进行诊断分析,可快速得到诊断结果。通过本发明,可解决缺乏医疗资源的边远地区也可快速地进行诊断。
本发明还提供了一种计算机可读存储介质,计算机可读存储介质存储有可执行计算机程序,计算机程序运行时实现上述的女性生殖道细胞病理智能分类方法。
上述实施方式仅为本发明的优选实施方式,不能以此来限定本发明保护的范围,本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。