公共文化服务平台

搜索到219篇“ 宫颈异常“的相关文章

一种宫颈异常细胞检测装置及方法: 本申请涉及医疗科技领域，具体公开了一种宫颈异常细胞检测装置及方法。该装置包括：获取模块，用于获取宫颈细胞病理玻片图像；分割模块，用于将宫颈细胞病理玻片图像分割为多个宫颈细胞病理玻片图像块；预处理模块，用于对每个宫颈细胞病...; 初晓郭冰雪李亘杰

人工智能筛查子宫颈异常鳞状细胞判读标准和准确性评价的专家共识: 2024年; 随着数字细胞病理技术和人工智能筛查系统的飞速发展,人工智能辅助子宫颈细胞学诊断已经成为可能。其能够显著提高阅片速度和工作效率,有效解决细胞病理医师严重匮乏和诊断水平参差不齐的问题[1-2]。目前,我国人工智能辅助细胞学筛查系统的研发单位已达数十家,某些筛查系统已经应用于局部地区的子宫颈癌筛查和各级医疗单位,然而临床公认的筛查指标、判读标准和质量控制尚未发表。因此,迫切需要制定人工智能筛查子宫颈异常细胞判读标准和准确性评价的专家共识。; 中华医学会病理学分会细胞病理学组; 关键词：人工智能子宫颈细胞学

宫颈液基细胞P16、Ki-67双染检测在1250例宫颈异常患者诊断中的诊断价值: 2024年; 目的:探讨与分析宫颈液基细胞P16、Ki-67双染检测在1250例宫颈异常患者诊断中的诊断价值。方法:选取2020年1月至2023年8月在河南省周口市中心医院进行宫颈疾病筛查的宫颈异常人群1250例作为研究对象,所有患者都给予宫颈液基细胞P16、Ki-67单染与双染检测,同时给予病理检查,根据病理学检测结果分为宫颈癌组(150例)和非宫颈癌组(1100例)。以病理检查作为诊断的金标准,判断以上检测方法对宫颈癌的诊断价值。结果:在1250例患者中,病理检查为宫颈上皮内瘤变(CIN)1级600例、CIN 2级320例、CIN 3级180例及宫颈癌150例,其中宫颈癌占比12.00%。宫颈癌组宫颈液基细胞P16、Ki-67单染阳性与P16、Ki-67双染阳性分别为98.00%、98.67%、97.33%,非宫颈癌组分别为40.55%、49.27%、21.00%,两组对比,差异有统计学意义(P<0.05)。在1250例患者中,宫颈液基细胞P16、Ki-67单染阳性与P16、Ki-67双染阳性对宫颈癌的诊断敏感性分别为98.00%(147/150)、98.67%(148/150)、97.33%(146/150),诊断特异性分别为59.45%(654/1100)、50.73%(558/1100)、79.00%(869/1100)。结论:宫颈异常患者中宫颈癌的发病率比较高,其宫颈液基细胞P16、Ki-67双染多表现为阳性状况,宫颈液基细胞P16、Ki-67双染检测在宫颈癌患者诊断中的应用可在保持敏感性的基础上,提高诊断特异性。; 田岩岩王佳佳; 关键词：宫颈异常宫颈癌宫颈液基细胞 P16 KI-67

一种宫颈异常细胞识别方法及系统: 本发明公开的一种宫颈异常细胞识别方法及系统，包括：获取宫颈细胞图像；获取宫颈细胞图像；对宫颈细胞图像进行划分，获得多个小图片；通过训练好的细胞分类模型对每个小图片进行识别，获得每个小图片中细胞种类，其中，细胞分类模型通过...; 李庆华张鹏李鲲魏春阳杨冬丁艳静

一种基于诊断结果引导伪标签与统一数据增强的半监督宫颈异常细胞长尾重采样检测方法: 一种基于诊断结果引导伪标签与统一数据增强的半监督宫颈异常细胞长尾重采样检测方法，本发明涉及宫颈异常细胞检测中，全景图像存在大量无标注的数据，并且异常细胞数据标注困难且异常细胞存在长尾分布，导致数据无法充分利用，异常检出率...; 洪振龙王小玉俞越

基于Transformer的宫颈异常细胞自动识别方法被引量：1: 2024年; 宫颈异常细胞与正常细胞在形态上存在较大相似性且细胞尺寸变化较大,这使得宫颈异常细胞的精准检测变得非常困难。鉴于此,开发了一种基于Transformer模型的宫颈异常细胞自动识别模型,以帮助病理学家作出更准确的诊断。提出了两种创新性方法,一是一种改进的Transformer编码器结构,通过引入深度(DW)卷积来高效获取图像的特征,捕捉图像中的全局依赖信息;二是自适应的动态交并比(IOU)阈值,在模型训练的不同阶段使用不同的IOU阈值,实现尽可能多的有效检测,提升模型的收敛速度和检测精度。在宫颈异常细胞数据集上,通过消融实验,证明了改进的Transformer编码器和动态IOU阈值的有效性。此外,与已有的宫颈异常细胞识别方法相比,所提出的方法在平均精度指标上有明显的提高。实验结果表明,所提出的方法能够高效且准确地识别宫颈异常细胞,且能辅助病理专家提高诊断准确率和效率,具有应用到临床的潜力。; 张峥陈明销李新宇程逸申书伟姚鹏; 关键词：医用光学医学图像处理

针对宫颈异常细胞检测的 SER-DC YOLO: 2024年; 由于宫颈细胞样本的液基薄层细胞学检测(thin prep cytologic test,TCT)图像内容复杂,背景颜色丰富多样,而且不同女性的宫颈细胞具有一定程度的天然差异,这给宫颈异常细胞的检测带来了很大的困难。为解决这一难题,提出了一种名为基于特征压缩与激发和可变形卷积(SE-ResNet-deformable convolution you only look once,SER-DC YOLO)的目标检测网络。该网络在YOLOv5的Backbone中融合注意力机制,添加了SE-ResNet模块,然后改进了SPP层的网络结构,并且使用可变形卷积来替换普通卷积,最后修改了边界框的损失计算函数,将广义交并比(generalized intersection over union,GIoU)改为α-IOU Loss。实验表明,该网络与YOLOv5网络相比,在宫颈图片数据集上召回率提高了19.94%,精度提高了3.52%,平均精度均值提高了7.19%。相关代码链接:https://github.com/sleepLion99/SER-DC_YOLO。; 李超炜杨晓娜赵司琦何勇军

融合医学领域知识的宫颈异常细胞识别方法: 李超炜

一种子宫颈异常细胞检测方法及系统: 本发明公开了一种子宫颈异常细胞检测方法及系统，涉及神经网络检测异常细胞。包括一建立异常细胞检测模型的过程，将宫颈玻片图像标注成含病理信息的标注图像；将标注图像分割成分块图像；分别对分块图像进行多尺度变换，分别得到尺度图像...; 刘炳宪谢菊元桂坤操家庆胡涵

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈