24、基于谷歌云AutoML的宫颈癌智能分期分类系统

基于谷歌云AutoML的宫颈癌智能分期分类系统

1. 医疗影像诊断中的AutoML应用实例

在医疗影像诊断领域，AutoML已经展现出了强大的能力。以下是一些具体的应用实例：
| 作者 | 目标 | 方法/指标/数据集 | 研究结果 |
| — | — | — | — |
| Hussain等 | 利用AutoML在X光图像中快速诊断COVID - 19 | 方法：Google Cloud AutoML；指标：灵敏度、特异性、准确性、精确性、召回率 | 二元和多分类过程的准确率达到98.41% |
| Harikrishnan等 | 使用视网膜图像训练神经架构搜索模型，以预测糖尿病视网膜病变 | 方法：AutoML；数据集：EyePACS数据集；指标：训练准确率和验证准确率 | 训练好的模型能从视网膜图像中预测糖尿病视网膜病变，验证准确率为85%，测试准确率为82% |
| Abhinav | 利用AutoML识别X光图像中的肺部感染 | 方法：Google Cloud AutoML；数据集：Kaggle；指标：精确性、召回率 | 肺部感染预测的精确性和召回率达到100% |

2. 宫颈癌筛查方法

宫颈癌是全球女性常见的妇科恶性肿瘤之一，在发展中国家，尤其是偏远或农村地区，发病率和死亡率较高。目前有多种宫颈癌筛查方法：
- 视觉检查（Visual Inspection）
- 方法 ：世界卫生组织推荐在发展中国家使用醋酸视觉检查（VIA）作为早期宫颈癌的筛查工具。将3 - 5%的醋酸涂抹在宫颈区域，然后用肉眼观察。醋酸会使鳞状上皮呈现