期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于宫颈上皮与血管特征的阴道镜图像深度学习模型探索
被引量：
3
1
作者
李燕云
王永明
+7 位作者
周奇
李亦学
王振
王珏
孟妍
蔡青青
隋龙
华克勤
《复旦学报（医学版）》
CAS
CSCD
北大核心
2021年第4期435-442,共8页
目的通过识别阴道镜图像中的上皮与血管特征,探讨深度学习的目标检测技术在宫颈癌前病变定位及分类中的可行性。方法收集2018年3月至2019年7月复旦大学附属妇产科医院病理诊断为宫颈低级别(5708例)、高级别(2206例)癌前病变和宫颈癌(514...
目的通过识别阴道镜图像中的上皮与血管特征,探讨深度学习的目标检测技术在宫颈癌前病变定位及分类中的可行性。方法收集2018年3月至2019年7月复旦大学附属妇产科医院病理诊断为宫颈低级别(5708例)、高级别(2206例)癌前病变和宫颈癌(514例)患者的28975张阴道镜图像。依照国际宫颈病理与阴道镜联盟及美国阴道镜与病理协会阴道镜标准化术语,基于16类宫颈上皮与血管征象,对图像进行像素级标注后得到有效标签39858个。为降低细粒度标注可能存在的误差,进一步将标签归并为低级别、高级别和癌三大类。采用经过二次迁移学习的ResNet101预训练网络作为特征提取器,分别构建基于Faster-RCNN网络结构的高级别病变目标检测和低、高、癌三类目标检测模型。结果基于ImageNet预训练的ResNet101模型,通过宫颈转化区分类的开源阴道镜数据进行第一次迁移学习,再以自有数据的病变分类为目标进行第二次迁移学习得到特征提取器。所构建的高级别和三类病变定位检测模型在测试集上的识别精度均值mAP@IOU=0.5分别为0.82和0.67。结论利用国内最大阴道镜中心的大样本数据,基于上皮与血管特征的精细标注,深度学习模型在宫颈癌前病变检测中取得较好效果。深度学习的目标检测技术在宫颈癌前病变定位及分类中可行,尽管在识别精度上仍有提升空间,但已显示其辅助宫颈癌筛查尤其是指导定位的可行性。
展开更多
关键词
阴道镜
宫颈癌前病变
标准化术语
深度学习
目标检测
在线阅读
下载PDF
职称材料
题名
基于宫颈上皮与血管特征的阴道镜图像深度学习模型探索
被引量：
3
1
作者
李燕云
王永明
周奇
李亦学
王振
王珏
孟妍
蔡青青
隋龙
华克勤
机构
复旦大学
附属
妇产科
医院
宫颈科
上海长江科技发展有限公司智能医疗业务中心
中国科学院上海生命科学研究院
复旦大学附属妇产科医院组织部
复旦大学
附属
妇产科
医院
女性生殖内分泌相关疾病重点实验室
复旦大学
附属
妇产科
医院
妇科
出处
《复旦学报（医学版）》
CAS
CSCD
北大核心
2021年第4期435-442,共8页
基金
上海市科委医学引导类科技支撑项目(19411960100)
上海市经济和信息化委员会人工智能创新发展专项(2018-RGZN-02041)。
文摘
目的通过识别阴道镜图像中的上皮与血管特征,探讨深度学习的目标检测技术在宫颈癌前病变定位及分类中的可行性。方法收集2018年3月至2019年7月复旦大学附属妇产科医院病理诊断为宫颈低级别(5708例)、高级别(2206例)癌前病变和宫颈癌(514例)患者的28975张阴道镜图像。依照国际宫颈病理与阴道镜联盟及美国阴道镜与病理协会阴道镜标准化术语,基于16类宫颈上皮与血管征象,对图像进行像素级标注后得到有效标签39858个。为降低细粒度标注可能存在的误差,进一步将标签归并为低级别、高级别和癌三大类。采用经过二次迁移学习的ResNet101预训练网络作为特征提取器,分别构建基于Faster-RCNN网络结构的高级别病变目标检测和低、高、癌三类目标检测模型。结果基于ImageNet预训练的ResNet101模型,通过宫颈转化区分类的开源阴道镜数据进行第一次迁移学习,再以自有数据的病变分类为目标进行第二次迁移学习得到特征提取器。所构建的高级别和三类病变定位检测模型在测试集上的识别精度均值mAP@IOU=0.5分别为0.82和0.67。结论利用国内最大阴道镜中心的大样本数据,基于上皮与血管特征的精细标注,深度学习模型在宫颈癌前病变检测中取得较好效果。深度学习的目标检测技术在宫颈癌前病变定位及分类中可行,尽管在识别精度上仍有提升空间,但已显示其辅助宫颈癌筛查尤其是指导定位的可行性。
关键词
阴道镜
宫颈癌前病变
标准化术语
深度学习
目标检测
Keywords
colposcopy
cervical precancerous lesion
standardized terminology
deep learning
object detection
分类号
R737.33 [医药卫生—肿瘤]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于宫颈上皮与血管特征的阴道镜图像深度学习模型探索
李燕云
王永明
周奇
李亦学
王振
王珏
孟妍
蔡青青
隋龙
华克勤
《复旦学报（医学版）》
CAS
CSCD
北大核心
2021
3
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
