白带显微图像中白细胞的数量可以提示阴道炎症的严重程度。目前对白带中白细胞的检测主要依靠医学专家们的人工镜检,这种人工检查耗时、昂贵且容易出错。近年来,有研究提出基于深度学习技术对白带白细胞实现自动检测,虽然避免了传统机器学习算法需人为提取特征,但这类方法通常需要人工标记大量的样本作为训练集,标记代价高。因此,本研究提出运用主动学习算法来实现对白带白细胞的自动检测。在主动学习框架下,采用更快的区域卷积神经网络(Faster Region Convolutional Neural Network,Faster R-CNN)作为基准检测模型,提出了基于分歧最大的样本选择策略自动挑选最有价值的样本进行人工标记,多次迭代更新训练集和相应的检测模型,使模型的性能不断提高。实验结果表明,改进的主动学习能使模型在较少的人工标记样本下获得较高的检测精度,对白细胞的检测MAP达到了92.7%,满足临床常规检查要求。本文的主要工作有:1.本文提出了一种基于分歧最大的样本选择策略,采用主动学习算法来实现对白带白细胞的自动检测。主动学习算法通过一定的样本选择策略挑选样本交给人工专家审查标记更新训练集,迭代训练检测模型,不断提升模型性能。实验中的目标检测模型选取了Faster R-CNN作为基准检测模型,基于分歧最大的样本选择策略在两个卷积层分别输出卷积计算提取的特征图谱,构成两个分支分别输出待测目标的候选框,将两个分支的置信度分数作差值,这个差值称为margin。margin值越大,说明两个分支的分歧越大,选取这样的样例给人工专家审查标记。本研究选用了10折交叉验证来验证该方法的有效性,选用Precision,MAP作为评价参数。2.本文基于主动学习对白带白细胞自动检测方法进行研究。选用三种方法与改进的主动学习做了对比实验,实验结果表明,改进的主动学习对白带白细胞的检测性能有了明显提升,模型的检测Precision为93.1%,MAP为92.7%,满足临床常规检查要求。本研究结果充分证明,基于主动学习算法,能够对白带显微图像中的白细胞实现自动检测,并有较好的检测效果。