CytoLens宫颈细胞学深度学习系统预印本发布

研究团队（Lee, K.等作者）在medRxiv发布预印本，提出模块化深度学习系统CytoLens，用于宫颈细胞学的定量分析：检测并计数细胞核、分割细胞核与全细胞、测量核质面积比（N:C）、对多焦图像中的细胞分类并给出异常评分。 各模块分别在与其任务匹配的公开数据集上训练和测试，未合并数据集。报告称，细胞核检测F1分数为0.931（95%置信区间0.914–0.946），100个视野中有75个的细胞核计数误差在一个以内；点提示分割的细胞核平均Dice系数为0.901、全细胞为0.847，且无需重新训练即可迁移到第二个数据集，在该数据集中测得的N:C随病变级别升高，与专家勾画结果一致。 作者表示，这些结果支持在患者关联的临床标本上对CytoLens进行评估，即目前仍属需进一步临床验证的研究阶段。

AI 根据报道生成 · 4 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。