正常/异常Slide诊断标准

[Zhuoyao1012]

目前与医生讨论后，确定label与细胞分类的对应关系
1: 'Norm',
2: 'LSIL',#鳞状上皮细胞低度病变
3: 'HSIL',#鳞状上皮细胞高度病变
4: 'HPV', #HPV感染
5: 'NILM',#未见上皮内病变
6: 'SCC', #鳞状上皮细胞癌
7: 'ASCUS', #不典型鳞状细胞低
8: 'ASCH', #不典型鳞状细胞高
9: 'AGC', #不典型腺细胞
10:'AIS', #颈管原位腺癌
11:'ADC', #腺癌
12:'T', #滴虫
13:'M', #霉菌
14:'HSV'#疱疹
图1：医生诊断标准一

图2：医生诊断标准二

参考图一与图二，其中可诊断为宫颈细胞病变主要为两类：
1.鳞状上皮细胞病变： ASCUS， ASC-H， LSIL(HPV)，HSIL，SCC
2.腺细胞病变：AGC， AIS， ADC
而未见异常宫颈细胞的诊断：
1.生物性病原体：T，M，HSV
2.其它正常细胞：Norm， NILM

我们当前主要专注于宫颈细胞病变的检测，主要针对第一类病变诊断。

[yunhaia]

目前我们只使用了５类细胞用作训练，如果按照医生的定义标准，我们应该整理出１３类细胞训练集出来，训练质量会更精确。

[paulxiong]

细分细胞类型并不会更精确，我们目前只关心阳性阴性，无论什么样的阳性，都当做一大类阳性来对待。 怎么会提高精度呢？

[yunhaia]

一张片子阴阳性的判定要走两个过程，
１要先判断出片子里所有细胞的类型，这些判断出来的细胞类型数量会组装成为一个ｆｅａｔｕｒｅ表，
２片子的ｆｅａｔｕｒｅ表通过ＳＶＭ训练后再进行片子阴性及阳性的判定。

提高细胞类型的准确度可以提高１流程的精度。

[Zhuoyao1012]

一张片子阴阳性的判定要走两个过程，
１要先判断出片子里所有细胞的类型，这些判断出来的细胞类型数量会组装成为一个ｆｅａｔｕｒｅ表，
２片子的ｆｅａｔｕｒｅ表通过ＳＶＭ训练后再进行片子阴性及阳性的判定。

提高细胞类型的准确度可以提高１流程的精度。

另一点：更多的Feature，会使SVM更准确。所以13个feature会比5个feature更好（如果不overfit的话)

[paulxiong]

更多的features让SVM更准确也是想当然耳的回答，……你要区分猫和狗，是波斯猫还是黑猫还是诸如此类的猫类别的标识，会让你更准确？……