人工智能辅助宫颈液基细胞学诊断可行性的多中心研究

摘要：

目的:本文采用基于深度卷积神经网络的方法，针对人工智能在宫颈液基细胞片病理图像自动筛查中的应用价值，开展多中心的实际应用研究，并与细胞学医师的诊断进行比较及分析。方法:采用深度分割网络提取5 516张细胞学病理图像中的感兴趣区域618 333个，结合医师的经验训练出具有分析能力的深度分类网络，利用其分类结果构建特征，使用决策模型完成细胞病理图像的分级。结果:该方法对4 908例宫颈液基细胞片进行病理图像自动筛查，灵敏度为89.72%，特异度为58.48%，阳性预测值为33.95%，阴性预测率为95.94%。在4种不同制片或染色方法的细胞片中，本算法对于巴氏染色自然沉降片效果最佳，灵敏度为91.10%，特异度为69.32%，阳性预测值为41.41%，阴性预测值为97.03%。结论:深度卷积神经网络图像识别技术可初步应用于宫颈细胞学筛查。

关键词：人工智能、细胞学技术、卷积神经网络

所属期刊栏目：50

资助基金：南京市卫生科技发展课题YKK19066;南通市民生科技重点项目MS22018013;Nanjing Medical Science and Technology Development ProjectYKK19066;Key Projects of Livelihood Science and Technology in NanTongMS22018013

在线出版日期：2023-05-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：353-357