基于深度学习的人工智能阴道镜诊断系统的临床应用价值

• 作者: 何海珍 潘嘉佳 李佩佩 潘嫱微 潘琼慧 郭敏
• 来源期刊: 现代实用医学
• 关键词: 阴道镜检查 人工智能 ResNet多模态分类模型
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 诊治分析
• 页码范围: 642-644
• 页数: 3页
• 分类号: R473.6
• 语种: 中文
• DOI: 10.3969/j.issn.1671-0800.2021.05.039

摘要

我国宫颈癌筛查目前采用的是"三阶梯"法,三个阶梯逐步推进.阴道镜检查作为对初筛结果阳性的诊断工具,其检查质量好坏,将直接影响到宫颈癌筛查的最终结果.研究表明,阴道镜诊断准确率随操作者的经验丰富与否波动较大,而提升阴道镜检查和活检的准确率,一直是子宫颈上皮内病变管理的关键[1].阴道镜引导下活检是检测宫颈上皮内瘤变(CIN)常规方法,提高其诊断准确性也是临床的焦点及难点.本研究拟探讨基于深度学习的人工智能阴道镜诊断系统在临床中的应用价值,报道如下.