阴道镜图像智能诊断算法研究.pdfVIP

摘要

宫颈癌是女性生殖道常见的恶性肿瘤，也是目前仅有的病因明确的恶性肿瘤，

定期的宫颈癌筛查可以有效预防宫颈癌。阴道镜检查因操作简单、费用低、无创

等优势，成为宫颈癌筛查的常用手段。阴道镜图像智能诊断不仅可以规范阴道镜

检查流程，提高筛查效率，还可以提高诊断准确度，使结果更加客观、可靠。

收集11510例病例的临床阴道镜图像及相关诊断报告构建数据集，基于此数

据集开展阴道镜图像智能诊断算法研究。依照阴道镜检查各个环节的诊断要求，

设计了一套阴道镜图像智能诊断算法，具体工作如下：

针对阴道镜图像的背景对宫颈病变诊断造成干扰的问题，提出了便于临床部

署的轻量化宫颈提取模型，用以从阴道镜图像中提取宫颈区域。借鉴YOLO检

测框架，使用深度可分离卷积降低模型参数量并提高推理速度，使用压缩激励模

块将空间与通道信息进行融合，从而提高检测精度。在11510例数据上的交并比

为90.9%，Dice系数为96.7%，单张图像处理时间为0.04秒，效率远高于同类方

法。

针对阴道镜检查中的宫颈转化区分类环节，提出了基于深度学习的宫颈转化

区分类网络模型。模型使用Inception和ResNeXtBlock结构增强特征提取能力，

使用空洞空间卷积池化金字塔模块加强多尺度特征融合，从而提高分类准确率。

为了使各类别样本数量均衡，将数据扩增到16572张图像，模型在测试集上的分

类总准确率达到88.6%，并且对每种类型的宫颈转化区均具有较高的分类精度。

针对阴道镜检查中组织活检环节，提出一种高级别鳞状上皮内病变检测定位

模型。模型使用EfficientNetB3轻量化网络学习宫颈病变的特征，引入双向加权

特征金字塔结构充分融合不同尺寸病变的特征，使用级联检测头对检测框的坐标

进行多次回归。制作1093张高级别鳞状上皮病例的样本数据集进行实验，模型

在测试集上的准确率为79.1%，召回率为81.9%，AP.5为0.457，可以为阴道镜

医师活检提供参考位置。

初步实验结果表明，本研究提出的阴道镜图像的智能诊断算法可以为阴道镜

检查的多个环节提供准确的诊断辅助，为开发更全面的阴道镜图像辅助诊断系统

提供了参考方案和技术储备。

关键词：阴道镜图像，宫颈转化区，轻量化网络，特征融合，病变检测

ABSTRACT

Cervicalcancerisacommonmalignanttumorofthefemalereproductivetract,

anditisalsotheonlymalignanttumorwithaclearetiology.Regularcervicalcancer

screeningcaneffectivelypreventcervicalcancer.Colposcopyhasbecomeacommon

meansofcervicalcancerscreeningduetoitsadvantagesofsimpleoperation,lowcost

andnon-invasiveness.Colposcopyimageintelligentdiagnosiscannotonlystandardize

thecolposcopyprocess,improvescreeningefficiency,butalsoimprovetheaccuracyof

diagnosisandmaketheresultsmoreobjectiveandreliable.

Thisstudycollected11,510clinicalcolposcopyimagesandrelateddiagnostic

reportstobuildadataset,basedonwhichthecolposcopyimageintelligentdiagnosis

algorithmresearchwascarriedout.Accordingtothediagnosticrequirementsofeach

linkofcolposcopy,asetofcolposcop