- 1、本文档共10页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
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
文档评论(0)