基于注意力机制的宫颈涂片识别模型用于宫颈癌筛查的效能分析  

作　　者：时敬文 王荣爱 

机构地区：[1]浙江中医药大学附属第二医院浙江省新华医院,浙江杭州310000

出　　处：《中国妇幼保健》2023年第17期3210-3213,共4页Maternal and Child Health Care of China

摘　　要：目的构建基于注意力机制下的宫颈涂片识别模型,并分析其用于宫颈癌筛查的效能。方法纳入2021年1月—2023年3月浙江中医药大学附属第二医院5630张薄层液基细胞学检查(TCT)图片作为TCT图片数据集,按6∶2∶2的比例随机分为训练集(3378张)、测试集(1126张)及验证集(1126张),训练集用于模型训练,测试集用于模型测试,验证集用于模型验证。模型训练中首先基于全局注意力机制、倒置残差结构、深度可分离卷积及构建特征提取模块;然后基于高效注意力机制、Ghost卷积及残差网络构建Ghost模块以提取TCT图片高层语义特征;最后基于特征提取模块、Ghost模块等构建TCT图片宫颈癌识别Net模型,实现宫颈癌筛查;并在测试集中输出最终分类结果,应用验证集验证该模型筛查宫颈癌的效能。结果基于PyTorch 1.7.1P、ython 3.8及Ubuntu 16.0操作系统搭建深度学习算法训练平台。训练轮数设置为300,初始学习率为0.1,训练批次为256幅图像,分别在第5、60、200轮时,学习率降为原来的1/10。欧氏距离度量准确率高于余弦距离度量的准确率,对于TCT图片来说,欧氏距离更能区别差异。基于多注意力机制卷积神经网络模型对于TCT图片5类病理结果的识别准确率均有明显提升,其中不除外高度鳞状上皮内病变(ASC-H)识别结果提升约5.8%,不明确非典型鳞状上皮细胞(ASCUS)提升约4.9%,高度鳞状上皮内病变(HSIL)提升约8.2%,低度鳞状上皮内病变(LSIL)提升约6.0%。K折交叉验证测试结果证实欧氏距离更适合度量TCT图片间的距离关系。结论基于注意力机制的宫颈涂片识别模型可用于宫颈癌筛查,并可提高分类效能。

关 键 词：宫颈涂片 宫颈癌 注意力机制 识别模型 

分 类 号：R711.74[医药卫生—妇产科学]