人工智能在子宫颈癌筛查中的应用(全文).pdf

人工智能在子宫颈癌筛查中的应用(全文)--第1页

人工智能在子宫颈癌筛查中的应用（全文）

子宫颈癌的发病率在世界范围内居女性恶性肿瘤的第4位［1］。由

于致病因素明确，发病过程缓慢，子宫颈癌筛查的普及和HPV疫苗的应

用成为显著降低其发病率和死亡率的重要手段。子宫颈癌的筛查方法包括

子宫颈脱落细胞学检查、HPV检测、肉眼检查、阴道镜检查［2‐3］。目

前，人工智能（artificialintelligence，AI）已经开始逐步参与到子宫颈

癌筛查的多个环节，有望提高筛查的准确率和效率，减少地区间社会经济

发展不平衡因素的影响。本文主要从子宫颈脱落细胞学检查、阴道镜、光

电筛查系统3个方面，对AI在子宫颈癌筛查工作中的应用进行综述，探

讨AI的应用现状、问题及发展前景。

一、什么是AI

1950年，艾伦·麦席森·图灵AlanMathisonTuring（）发明了图灵

测试（theTuringtest），并在《计算机器与智能》一文中论证了AI的

可能性［4］。1956年，约翰·麦卡锡JohnMcCarthy（）等在美国达特

茅斯（Dartmouth）会议上首次正式提出了“人工智能（AI）”的概念。此

后60多年来，随着互联网的普及、数据的积累、计算力的提升、算法的

发展，AI技术取得了长足发展。

人工智能在子宫颈癌筛查中的应用(全文)--第1页

人工智能在子宫颈癌筛查中的应用(全文)--第2页

AI是计算机科学的1个分支，研究搜索、推理、规划、学习四大原

理及其应用，目标是创造具有智能行为的计算机硬件和软件。机器学习

（machinelearning，ML）是AI的1个分支，目标是研发算法使机器的

行为随着经验数据的累积而进化，即从数据中训练出1个有不低于某种评

估指标的泛化能力的模型。

深度学习（deeplearning，DL）是ML的新领域，大多基于深度神

经网络（deepneuralnetwork，DNN）算法，由输入层、多个隐藏层、

输出层连接而成，抽象人脑的信号处理过程，解决复杂的分类问题。DL

与传统ML的区别在于，其可以自动确定要提取的特征信息并逐层训练，

实现影像到分类标签的端对端学习。

二、AI与医学图像分析

AI在医疗领域的应用主要集中在疾病预测、辅助诊断、医学图像分析、

医院管理、健康管理、药物研发等方面。近年来，DL在图像处理中发展

迅猛，其中的核心部分即DNN，包括循环神经网络（recurrentneural

network，RNN）、卷积神经网络（convolutionalneuralnetworks，

CNN）、深度置信网络（deepbeliefnetworks，DBN）、生成对抗神

经网络（generativeadversarialnetworks，GAN）等；此外，迁移学习

和弱监督学习也逐渐引起关注。CNN在医学图像中的应用最为广泛，其

模拟人类的视觉信号处理过程，层与层之间通过平移不变性又称局部卷积

人工智能在子宫颈癌筛查中的应用(全文)--第2页

人工智能在子宫颈癌筛查中的应用(全文)--第3页

核的方式互相连接。CNN的卷积层通过学习输入层信息得到卷积核，经

池化层压缩参数数量，再由全连接层整合已提取的特征，最后输出值传递

给输出层（或称softmax层）进行分类。CNN的训练是通