典型文献
人工智能辅助分析技术在子宫颈细胞癌前病变筛查中的应用价值
文献摘要：
目的 探讨人工智能辅助分析技术在子宫颈细胞癌前病变筛查中的应用价值.方法 使用人工智能细胞学辅助阅片系统对86000例涂片进行分析,并与原诊断结果进行对比分析,统计其特异性、敏感性等指标,同时分析人工智能细胞学辅助阅片系统的分级诊断结果.结果 人工智能细胞学辅助阅片系统对子宫颈液基涂片的特异性可达74.16％,敏感性高达98.77％,同时对意义不明的非典型鳞状细胞(atypical squamous cells of unknown significance,ASCUS)/非典型鳞状细胞,不除外高度鳞状上皮内病变(atypical squamous cells,excluding highly squamous intraepithelial lesions,ASC-H)/低度鳞状上皮内病变(low-grade squamous intraepithelial lesions,LSIL)细胞具有更高的敏感性.结论 人工智能辅助分析技术实现了子宫颈细胞学智能化阅片,细胞学辅助阅片系统的应用有效地提高了病理医师的工作效率和诊断准确率,降低了漏诊风险.
文献关键词：
子宫颈液基细胞学;人工智能辅助分析技术;子宫颈细胞癌前病变筛查
中图分类号：
作者姓名：
胡爱侠;朱琳;贺慧;胡金星;王榭延;李道宏;靳钰炜;洪帆;孔令非;杨志明;温洲
作者机构：
河南省人民医院病理科,郑州 450003;深思考人工智能机器人科技(北京)有限公司,北京 100085
文献出处：
引用格式：
[1]胡爱侠;朱琳;贺慧;胡金星;王榭延;李道宏;靳钰炜;洪帆;孔令非;杨志明;温洲-.人工智能辅助分析技术在子宫颈细胞癌前病变筛查中的应用价值)[J].临床与实验病理学杂志,2022(01):27-30
A类：
人工智能辅助分析技术,子宫颈细胞癌前病变筛查
B类：
辅助阅片,涂片,诊断结果,分级诊断,对子,非典型,鳞状细胞,atypical,squamous,cells,unknown,significance,ASCUS,除外,高度鳞状上皮内病变,excluding,highly,intraepithelial,lesions,低度鳞状上皮内病变,low,grade,LSIL,子宫颈细胞学,诊断准确率,漏诊,子宫颈液基细胞学
AB值：
0.201881
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
