14、深度学习在癌症诊断中的应用：宫颈涂片与口腔病理分析

深度学习在癌症诊断中的应用：宫颈涂片与口腔病理分析

1. 宫颈涂片筛查与癌症检测

在宫颈涂片筛查和癌症检测方面，研究聚焦于使用先进的YOLOv5变体对涂片图像进行本地化和分类，以符合贝塞斯达分类标准。

1.1 模型性能评估

• 研究得出，YOLOv5的中等变体在分类宫颈涂片的五个类别方面有良好表现，其mAP@0.5分数为0.592，召回率为0.679。
• 各细胞类型的分类得分有所不同，浅层中间细胞得分最高，为0.88，挖空细胞得分最低，为0.56。挖空细胞的准确性往往受涂片背景影响。

1.2 模型优势

与其他针对癌症涂片细胞分类和定位的方法相比，YOLOv5在mAP@0.5值上表现更优。该系统能够高效地对涂片图像进行自动分类并定位细胞，因为它能为每个对象生成边界框，从而可对多细胞涂片中的局部细胞进行有效分割。

1.3 相关性能指标表

指标	值
mAP@0.5（中等变体YOLOv5）	0.592
召回率（中等变体YOLOv5）	0.679
浅层中间细胞得分	0.88
挖空细胞得分	0.56