现代妇产科进展

2021, v.30(06) 416-419

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

多流卷积神经网络细胞分类算法在宫颈脱落细胞学诊断中的价值
Multi-stream convolutional neural networks( MS-CNN) classification algorithm in cervical cytology

王娜;王悦;冯琦慧;张晓波;李清丽;沈丹华;魏丽惠;

摘要(Abstract):

目的:探讨人工智能在宫颈脱落细胞学诊断中的价值。方法:对202例宫颈薄层液基细胞学标本采用多流卷积神经网络细胞分类算法进行判读,以人工判读结果为标准,评估其诊断效能。结果:202例标本中有效筛查病例182例,多流卷积神经网络二分类和多分类算法的符合率分别为68.13%和73.08%。二分类算法的灵敏度、特异度、阴性预测值分别为100%、62.09%、100%;多分类算法的特异度相对较高,NILM、ASCUS、LSIL、ASC-H、HSIL分别为96.55%、73.75%、98.29%、99.45%、98.90%,阴性预测值为99.03%。结论:人工智能的参与可提高宫颈脱落细胞学筛查效率,且多流卷积神经网络细胞分类算法在检出异常细胞方面表现突出。二分类算法漏诊率为零,故有望部分甚至完全替代细胞病理学医师的宫颈癌初筛工作,多分类算法误诊率相对较低,但存在漏诊;该算法需进一步学习完善,以达到漏诊率和诊断符合率之间更好的平衡,实现精确分类(TBS标准)的最终目标。

关键词(KeyWords): 宫颈癌筛查;宫颈脱落细胞学;薄层液基细胞学;人工智能;多流卷积神经网络

Abstract:

Keywords:

基金项目(Foundation): 适合国人宫颈癌筛查方案建立(No:2016YFC1302901)

作者(Author): 王娜;王悦;冯琦慧;张晓波;李清丽;沈丹华;魏丽惠;

Email:

DOI: 10.13283/j.cnki.xdfckjz.2021.06.003

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享