人工智能识别阴道镜下子宫颈红区在子宫颈癌前病变诊断中的价值
冯慧1
赵撼宇2
赵健1
王业全2
1.北京大学第一医院妇产科,北京 1000342.北京智源人工智能研究院,北京 100000
摘要：目的 探讨人工智能辅助阴道镜识别子宫颈红区在诊断子宫颈癌前病变中的价值.方法 收集2020年8月至2023年8月北京大学第一医院妇产科子宫颈诊疗中心的阴道镜数据3974例.采用ViT、DeiT3、BEiTv2三种深度学习模型,构建阴道镜下子宫颈红区预测模型,其中训练集与验证集以阴道镜拟诊标注作为学习标签,测试集以病理结果为金标准,以活检率(BR)及组织病理学符合率(CR)为评估指标.结果 ViT模型活检率为40.9％、组织病理学符合率77.8％;DeiT3模型则分别为44.1％、77.6％;BEiTv2模型分别为35.8％、82.8％.结论 人工智能识别阴道镜下子宫颈红区的ViT、DeiT3、BEiTv2三种深度学习模型均有较高的子宫颈癌前病变诊断效力.
关键词：子宫颈癌前病变人工智能阴道镜子宫颈红区
分类号：R711.74(妇科学)
资助基金：国家重点研发计划(2020AA0105200)
论文发表日期：2025-03-02
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：4( 357-360 )
英文信息