基于深度学习的宫颈癌智能辅助检测系统构建

目的:探索基于深度学习的图像语义分割和图像识别技术在宫颈癌早筛中的应用,并构建基于全切片宫颈细胞涂片的宫颈癌智能辅助检测系统.方法:联合图像语义分割和图像识别技术构建宫颈癌智能辅助检测系统.首先通过语义分割完成对宫颈细胞核的分割定位,进而识别异常细胞.结果:在细胞核定位阶段,平均像素精确度(Mean Pixel Accuracy,MPA)达到87.85％,频权交并比(Frequency Weighted Intersection over Union,FWIoU)达到96.69％.在异常细胞识别阶段,灵敏度达到95.00％,准确率96.00％,与此同时,辅助检测系统还能实现细胞计数功能.结论:基于深度学习的宫颈癌智能辅助检测系统能够为临床宫颈癌早筛提供良好的辅助功能,降低检测成本,提升检测效率,减轻病理医生的阅片工作量.