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。