论文部分内容阅读
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。