换一批基于深度学习的宫颈细胞全视野数字切片自动分析方法
Automatic analysis for whole slide image of cervical cells based on deep learning
摘要目的 宫颈癌(cervical cancer,CCA)是危害女性生命健康的高发癌症之一,针对宫颈液基细胞学检查人工阅片费时费力、主观性强且医疗资源不足的问题,提出了一种基于深度学习的宫颈细胞全视野数字切片(whole slide image,WSI)自动分析方法,以提高病理医师的筛查和诊断效率.方法 收集山东省立第三医院病理科 2 834 张宫颈细胞数字切片,划分为 patch 数据集和 WSI 数据集.将patch数据集用于深度学习模型搭建、训练和测试,为了消除WSI制片和扫描过程中颜色差异的影响,使用大量数据增强方法扩增数据集以提高模型泛化能力,在YOLOv8 模型基础上引入高效多尺度注意力(efficient multi-scale attention,EMA)增强模型对复杂样本的检测能力,采用精准率、召回率、全类平均精度(mAP)等指标评价模型性能.对于WSI数据集,使用TopK平均置信度方法集成检测结果来预测WSI阳性概率,使用敏感度、特异度等指标评价分类方法性能.结果 Patch数据集验证集和测试集的mAP@0.5 指标分别为 0.717 和 0.652,消融实验中模型添加数据增强和注意力方法后mAP@0.5 分别提升2.5%和1.3%,最终精准率为0.661、召回率为0.69、mAP@0.5 为0.717;WSI数据集切片分类的敏感度为0.974、特异度为0.39.结论 本研究所提方法具有良好的异常宫颈细胞检测能力,在临床上可帮助病理医师进行病灶区域的快速筛查,同时具有一定的WSI阴性阳性分类能力,可以在疾病早期筛查中进行分流管理.
更多相关知识
分类号
R318（医用一般科学）
栏目名称
DOI
10.3969/j.issn.1002-3208.2025.04.003
发布时间
2025-09-28（万方平台首次上网日期，不代表论文的发表时间）
基金项目
济南市临床医学科技创新计划（202019102）
- 浏览0
- 被引2
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
