一、OLYMPUS电子阴道镜的临床应用（论文文献综述）
龙小琴[1]（2020）在《HPV L1、P16对宫颈SIL检出的临床价值的研究》文中认为目的:1.为探讨HPV L1壳蛋白（human papillomavirus L1 capsid protein,HPV L1）、P16蛋白（multiple tumor suppressor protein,P16）与宫颈鳞状上皮内病变（squamous intraepithelial lesion,SIL）之间的关系及二者对宫颈SIL的检出能力,评估使用HPV L1及P16免疫细胞化学弥补细胞学的不足,从而作为宫颈癌筛查相关指标的可行性。2.根据HPV L1、P16的表达情况,预测宫颈SIL的风险,以期指导临床治疗。方法:1.选取2019年04月至2019年10月于遵义医科大学第三附属医院妇科门诊及住院病房符合纳入标准的有效研究对象共612例,均进行人乳头状瘤病毒（human papillomavirus,HPV）分型检测、液基细胞学检测（liquid-based cytol ogy,LBC）、HPV L1及P16免疫细胞化学检测。根据HPV分型及LBC检测结果,诊断异常者转入阴道镜门诊,行宫颈活检。2.对组织病理确诊为宫颈SIL的患者进行临床管理,诊断为宫颈低度鳞状上皮内病变（low grade squamous intraepithelial lesion,LSIL）的患者,均予随诊观察。诊断为宫颈高度鳞状上皮内病变（high grade squamous intraepithelial lesio n,HSIL）的所有研究对象选择不同的手术方式。除了行子宫全切的患者均于初次诊断后的第3、6、9月返院复诊行HPV分型检测、LBC检测,HPV L1及P16免疫细胞化学检测。结果:1.HPV L1表达与宫颈SIL的关系:（1）在细胞学及病理学诊断中,HPV L1的阳性率均随着宫颈SIL程度的加重而呈下降趋势。在病理学诊断中,LBC检测的阳性率随着宫颈SIL程度的加重呈升高趋势。（2）在病理诊断为LSIL+及HSIL中,HPV L1检测的特异度均高于LBC检测。（3）在病理诊断为LSIL+中,HPV L1检测的ROC曲线下面积高于LBC检测。2.P16表达与宫颈SIL的关系:（1）在细胞学及病理学诊断中,P16的阳性率均随着宫颈SIL程度的加重呈上升趋势。（2）在病理学诊断为LSIL+中,P16检测的特异度高于LBC检测。在病理学诊断为HSIL中,P16检测的灵敏度及特异度均高于LBC检测。（3）在病理诊断为LSIL+及HSIL中,P16检测的ROC曲线下面积均大于LBC检测。3.HPV L1、P16单独及联合表达与宫颈SIL的关系:（1）在病理诊断为LSIL+及HSIL人群中HPV L1联合P16检测的敏感度均高于HPV L1、P16、LBC检测,HPV L1联合P16检测的特异度高于LBC检测。（2）在病理诊断为LSIL+中,HPV L1联合P16检测的ROC曲线下面积均大于HPV L1、P16单独检测及LBC检测的ROC曲线下面积。在HSIL的研究对象中,P16检测与HPV L1联合P16检测的ROC曲线下面积均大于HPV L1检测。HPV L1联合P16检测的真实性均高于HPV L1、P16、LBC检测。4.HPV HPV L1联合P16检测的时序表达与宫颈SIL的关系:HPV L1（-）/P16（-）的时序表达随病理诊断程度的加重呈下降趋势。HPV L1（-）/P16（+）的时序表达随病理诊断级别的升高呈上升趋势。5.宫颈SIL分层管理复诊情况:在复诊时,在细胞学诊断较初次诊断进展时,以HPV L1（-）/P16（+）及HPV L1（+）/P16（+）转化为HPV L1（-）/P16（+）的时序表达为主,在细胞学诊断较初次诊断消退时,以HPV L1（-）/P16（-）及HPV L1（+）/P16（-）转化为HPV L1（-）/P16（-）为主。结论:1.HPV L1联合P16检测比LBC检测对宫颈SIL的病人有更好的检出能力,拥有更高的诊断价值,说明HPV L1及P16可作为宫颈SIL筛查的分子标志物。2.HPV L1联合P16检测的时序表达的不同,可能代表着宫颈SIL危险程度的不同,可以对宫颈SIL进行风险评估。
薛鹏[2]（2020）在《基于人工智能的电子阴道镜辅助诊断系统构建及多中心应用评估》文中进行了进一步梳理研究目标1.以组织病理学诊断为金标准,构建人工智能电子阴道镜辅助诊断系统（CAIADS）;在以医院为基础的多中心回顾性研究中,评估其检出宫颈病变和引导宫颈活检点的准确性。2.通过与不同年资组别的阴道镜医生对比（高年资,中年资和低年资）,进一步分析CAIADS引导宫颈活检能力。材料与方法2018年12月,我们回顾性收集深圳市妇幼保健院（SZMCHH）临床子宫颈门诊病例数据信息,包括年龄,阴道镜图像及诊断、细胞学、HPV检测结果和组织病理学诊断结果,用于构建和内部验证CAIADS,评价其检出宫颈病变的能力及引导宫颈活检的准确性;为进一步验证其诊断表现,从成都市妇幼儿童中心医院（CDWCCH）、重庆大学附属肿瘤医院（CQUCH）、江西省妇幼保健院（JXMCHH）、辽宁省肿瘤医院（LNCH）,以及河南省肿瘤医院（HNCH）5家医院进行了外部验证。此外,通过与不同年资组别阴道镜医生（高年资,中年资和低年资）的诊断水平进行对比,分析其应用价值。统计分析中,组间率比较采用卡方检验,检验水准设为a=0.05。研究结果1.CAIADS对宫颈病变的检出能力评估:在内部验证集中,CAIADS检出宫颈病变的准确度,灵敏度和特异度分别为0.954（95%CI:0.941-0.964）、0.957（95%CI:0.939-0.972）、0.950（95%CI:0.932-0.965）;在 5 家外部验证集中,其准确度,灵敏度和特异度均超过了 0.850。2.CAIADS对宫颈活检点位的预测能力评估:通过与组织病理学结果指示的活检点所在位置进行比较,我们发现CAIADS预测宫颈活检点位的中位数交并比（IOU）值为0.705,IOU值越高,表明预测宫颈活检点位越准确。3.CAIADS和不同年资组别的阴道镜医生检出宫颈病变的诊断能力比较:汇总所有验证集中的研究对象,CAIADS检出宫颈病变的准确度,灵敏度和特异度分别为 0.886（95%CI:0.877-0.894）、0.902（95%CI:0.890-0.914）、0.873（95%CI:0.861-0.885）;具备10年以上临床经验的高年资组阴道镜医生检出宫颈病变的准确度,灵敏度和特异度分别为 0.947（95%CI:0.935-0.957）、0.981（95%CI:0.969-0.989）、0.915（95%CI:0.896-0.932）;具备5-10年临床经验的中年资组阴道镜医生检出宫颈病变的准确度,灵敏度和特异度分别为0.877（95%CI:0.860-0.892）、0.882（95%CI:0.858-0.903）、0.872（95%CI:0.848-0.894）;具有3-5年临床经验的低年资组阴道镜医生检出宫颈病变的准确度,灵敏度和特异度分别为0.546（95%CI:0.511-0.580）、0.774（95%CI:0.725-0.818）、0.392（95%CI:0.348-0.436）;我们发现虽然 CAIADS检出宫颈病变的准确度,灵敏度和特异度低于高年资阴道镜医生组（p值均<0.001）,但与中年资阴道镜医生组相比均无统计学差异（p值均>0.05）,甚至明显高于低年资阴道镜医生组（p值均<0.001）。研究结论1.我们利用临床宫颈门诊的既往数据集构建基于人工智能的电子阴道镜辅助诊断系统（CAIADS）,研究发现CAIADS在内部验证集和5家外部验证集中识别宫颈病变的准确性较高,可用于阴道镜引导组织学活检。2.与不同年资阴道镜医生的诊断能力相比,虽然CAIADS诊断水平不及高年资组阴道镜医生,但与中年资组阴道镜医生诊断水平相似,甚至远高于低年资组阴道镜医生诊断水平,可作为一种辅助诊断工具引导宫颈活检。因此,基于CAIADS辅助诊断系统,打造宫颈癌筛查新模式,完善阴道镜临床诊断流程,亦可构建一个不受地区限制的网络云端服务平台,即使在偏远地区的农村均可同步上传阴道镜图像至云端,实时获得诊断结果,实现智能化和自动化,有望解决目前宫颈癌筛查中阴道镜诊断的瓶颈问题,提升我国宫颈癌筛查效果。
唐朝[3]（2020）在《人工智能电子阴道镜辅助诊断系统的可行性评估》文中研究说明目的:子宫颈癌严重威胁女性健康,发病率在女性恶性肿瘤中占据第一或第二位,通过早期发现、早期治疗可以有效降低其发病率和死亡率。我国政府高度重视,全国各地陆续开展了不同层次的子宫颈癌防治工作。由于阴道镜检查受基层医生/技术人员专业水平限制和主观判断影响较大,子宫颈组织病灶识别、诊断方面易出现漏诊、误诊。因此,本研究为帮助基层医生快速、实时识别可疑部位并给出初步诊断,提高筛查的有效性,研发人工智能电子阴道镜辅助诊断系统,评估其对宫颈病变的诊断能力,探讨其潜在应用前景。方法:本研究选择2014年11月至2017年12月期间在深圳市妇幼保健院宫颈科接受宫颈检查的10000例女性患者的资料进行研发人工智能电子阴道镜辅助诊断系统,将数据按照80:20的比例分为学习集（8000例）和测试集（2000例）,2000例女性患者用于验证其诊断能力,以组织病理学诊断为金标准,将人工智能电子阴道镜辅助诊断系统拟诊的结果与阴道镜医师拟诊的结果进行对比分析。结果:以组织病理学为金标准,人工智能电子阴道镜辅助诊断系统（AI）诊断宫颈病变（低级别病变、高级别病变、癌）的准确率为80.4%,阴道镜医师诊断宫颈病变准确率为71.2%,差异有显着性（X2=46.141,P<0.05）。以组织病理学宫颈鳞状上皮内高度病变+（HSIL+）为阈值临界点,人工智能电子阴道镜下诊断的灵敏度为91.2%,特异度为85.8%,约登指数为0.77,符合率为88.0%,Kappa值为0.75,阳性预测值为80.4%,阴性预测值为94.0%。阴道镜医师诊断宫颈病变准确率为71.2%,阴道镜医师拟诊的灵敏度为75.9%,特异度为85.0%,约登指数为0.609,符合率为81.5%,Kappa值为0.61,阳性预测值为76.4%,阴性预测值为84.6%。进一步分析阴道镜诊断的准确性发现,AI和阴道镜医师的灵敏度分别为91.2%和75.9%,差异有显着性（X2=14.734,P<0.05）;特异度分别为85.8%和85.0%,差异无显着性（X2=2.154,P>0.05）,AI阳性预测值高于阴道镜医师。结论:本研究利用临床宫颈门诊回顾性数据集构建基于人工智能的电子阴道镜辅助诊断系统,研究表明,AI诊断诊断宫颈病变的准确率较高,诊断高级别病变时的灵敏度、阳性预测值亦较高;与基层阴道镜医师相比,AI诊断宫颈病变的灵敏度、准确率更高,有望帮助基层医生更准确地辨别高级别病变的患者,提升阴道镜检查诊断能力,减少假阴性造成的漏诊和假阳性造成的盲目活检所引起的组织损害,提高宫颈癌筛查CIN2+的检出率,为基层癌症早筛和预防提供坚实保障。
袁春女[4]（2020）在《阴道镜下子宫颈鳞状上皮内病变的深度学习诊断系统的建立和验证》文中研究表明阴道镜辅助下子宫颈活检是诊断子宫颈癌及其癌前病变的金标准,但目前其准确率、敏感度和特异度在很大程度上随着临床医生的经验水平和患者的身体状况而波动,存在着很大的局限性。同时,我国目前需要接受阴道镜检查的患者数量与经验丰富的阴道镜医生的数量不匹配,导致患者需要经过很长的待诊期才能得到相应的检查和治疗。医学人工智能和计算机辅助诊断能利用影像学、医学图像处理技术以及其他可能的生理、生化手段,结合计算机的深度学习和分析计算,辅助发现病灶,提高诊断准确率,在医学影像领域获得了突破性进展。人工智能和阴道镜诊断的结合,也许能有效缓解目前宫颈癌筛查的压力,提高诊断的效率和准确率。本研究回顾性调查浙江大学医学院附属妇产科医院阴道镜室自2013年8月至2019年2月诊治的共22330份合格病例,收集其阴道镜图像（7.5倍放大倍数下拍摄）、年龄、人乳头瘤病毒检测结果、子宫颈细胞学结果、子宫颈转化区类型、阴道镜活检病理结果等临床信息。以病理结果作为金标准用Lableme软件对阴道镜图像中的病变部位进行标注,按训练集:测试集:验证集=8:1:1的比例将所有入组病例进行随机分配。预先使用Image Net数据库中的百万张图片预训练出Rens Net模型,再输入大量训练集中的阴道镜图像进行迁移学习,训练出多模态ResNet分类模型,U-Net分割模型和Mask R-CNN检测模型,并计算验证集中该模型诊断及分割病变的准确率、敏感度、特异度、阳性预测值、阴性预测值、受试者工作特征曲线下面积、召回率、Dice指数等指标。同时,为了比较模型在普通阴道镜图像和高清阴道镜图像中的表现,本研究收集了浙江大学医学院附属妇产科医院阴道镜室2019年3月到2019年9月诊治的共5384份高清阴道镜图像病例作为独立样本再次验证上述三个模型的相关诊断指标,比较模型在不同类型的阴道镜图像中的适应性。除此之外,我们对五位来自浙江大学医学院附属妇产科医院的五位不同年资的阴道镜专家的阴道镜诊断、病理诊断、活检位点及每个活检位点对应的病理结果也进行了统计和分析。横向比较深度学习模型与临床不同年资的阴道镜专家的诊断能力。通过深度学习模型训练,RensNet分类模型区分阴道镜图像是否有病变的整体准确率、敏感度、特异度分别为84.10%、85.38%和82.62%。ROC曲线下面积达到0.93。在此基础上,U-Net分割模型在醋酸图像中分割出病变区域的召回率和Dice指数分别是84.73%和61.64%,整体准确率达95.59%。在碘图像中,召回率、Dice指数和整体准确率分别是:87.78%、63.80%和95.70%。除此之外,Mask R-CNN检测模型识别高级别鳞状上皮内病变的敏感度在醋酸图像和碘图像中分别达到了84.67%和84.75%。在高清阴道镜图像的独立样本验证中,分类模型表现比在普通阴道镜图像中稍差一些,区分是否有病变的敏感度、特异度和ROC曲线下面积分别是73.37%、58.16%和0.71。与阴道镜专家的诊断水平相比,模型诊断普通阴道镜图像的水平高于整体阴道镜专家的水平,诊断高清阴道镜图像的水平与年轻专家水平持平,比高年资专家水平稍差。分割模型和检测模型在两个数据库中的表现基本持平。在诊断决策所需时间上,临床医生诊断一个病例所需时间按分计算,而诊断模型从上传图像到输出结果总时间能控制在10秒以内,如果不计算图像上传的时间,模型进行诊断所需时间在1秒以内。本研究表明,基于深度学习的阴道镜诊断系统能较准确地区分正常和异常阴道镜图像,并能在此基础上分割出可疑病变的区域,指导HSIL区域活检。同时,计算机辅助诊断模型能够有效缓解当前阴道镜检查的压力,为分流患者、推荐活检部位提供了一种新思路。但是,模型在高清阴道镜图像中的诊断水平略低于在普通阴道镜图像中的诊断水平,还需要进一步提升优化。第一部分阴道镜下子宫颈鳞状上皮内病变的深度学习诊断系统的建立目的:回顾性收集大量临床阴道镜图像及相关临床资料,并进行预处理,为建立深度学习模型做好大数据的准备。在大数据集基础上,通过深度学习建立分类模型、分割模型和检测模型,形成一个完整的阴道镜人工智能辅助诊断系统。方法:回顾性调查浙江大学医学院附属妇产科医院阴道镜室自2013年8月至2018年3月所诊治的有病例,按照排除标准纳入合格病例后,收集其7.5倍镜下拍摄的阴道镜图像三张（生理盐水图像、醋酸图像、碘图像各一）、年龄、HPV检测结果、子宫颈细胞学结果、子宫颈转化区类型、阴道镜活检病理结果等临床信息。以病理结果作为金标准,用Labelme软件对阴道镜图像中的病变部位进行标注,并区分LSIL和HSIL。按训练集:测试集:验证集=8:1:1的比例将所有合格病例随机分配入组病例,最终以验证集的诊断结果作为模型的诊断结果。利用Image Net数据库预训练ResNet模型,再输入大量阴道镜图像进行迁移学习,建立多模态ResNet分类模型、U-Net分割模型和Mask R-CNN检测模型。计算分类模型的诊断准确率、敏感度、特异度、阳性预测值、阴性预测值,分割模型的召回率、Dice指数,检测模型的诊断准确率等指标。结果:1.经过纳入排除标准,共有22330例病例纳入研究,包括10365例正常病例、6357例LSIL病例和5608例HSIL病例。2.所有入组病例的年龄分布为:25岁以下:25-55岁:55岁以上=1.72%:92.22%:6.04%。所有入组病例中,高危HPV感染率为94.49%。所有入组病例的细胞学结果分布为:NILM:ASCUS:LSIL:ASCH:HSIL:SCC=33.67%:26.41%:23.49%:7.93%:8.40%:0.10%。所有病例的子宫颈转化区类型分布为:1型子宫颈转化区:2型子宫颈转化区:3型子宫颈转化区=12.99%:8.10%:78.91%。3.ResNet分类模型区分阴道镜图像是否有病变的整体准确率、敏感度、特异度分别为84.10%、85.38%和82.62%。ROC曲线下面积达到0.93。4.U-Net分割模型在醋酸图像中分割出病变区域的召回率和Dice指数分别是84.73%和61.64%,整体准确率达95.59%。在碘图像中,召回率、Dice指数和整体准确率分别是:87.78%、63.80%和95.70%。5.Mask R-CNN检测模型识别高级别鳞状上皮内病变的敏感度在醋酸图像和碘图像中分别达到了84.67%和84.75%。通过醋酸图像和碘图像识别出HSIL患者的准确率分别为87.27%和88.47%。结论:基于深度学习的计算机辅助诊断能较准确地区分正常和异常阴道镜图像,并能在此基础上分割出可疑病变的区域,指导HSIL区域活检。第二部分阴道镜下子宫颈鳞状上皮内病变的深度学习诊断系统的独立样本验证目的:收集独立样本（高清阴道镜图像）数据对诊断系统中的分类、分割和检测模型进行再次验证。横向比较模型在普通阴道镜图像和高清阴道镜图像中的表现。纵向比较模型诊断水平与临床阴道镜专家的诊断水平。方法:回顾性收集浙江大学医学院附属妇产科医院阴道镜室自2019年3月至2019年9月诊治的所有高清阴道镜图像病例,按照第一部分的排除标准纳入合格病例后,收集合格病例的临床资料（同第一部分）及5位不同年资的阴道镜专家的诊断结果、活检位点和各位点的病理结果。以病理结果作为金标准对阴道镜图像中的病变部位进行标注,所有病例均作为验证集计算结果。所得诊断准确率、敏感度、特异度、阳性预测值、阴性预测值、病变区域召回率、Dice指数等均同普通阴道镜图像结果进行纵向比较,和阴道镜专家的诊断结果进行横向对比。结果:1.ResNet分类模型在高清阴道镜图像中验证的整体准确率、敏感度、特异度分别为63.83%、73.37%和58.16%。ROC曲线下面积达到0.71。2.U-Net分割模型在醋酸高清阴道镜图像中分割出病变区域的召回率和Dice指数分别是85.35%和47.21%,整体准确率达94.32%。模型在碘高清阴道镜图像中的召回率、Dice指数和整体准确率分别是:85.87%、48.74%和94.52%。3.Mask R-CNN检测模型识别HSIL位点的敏感度在醋酸高清图像和碘高清图像中分别达到了84.76%和82.61%。通过醋酸高清图像和碘高清图像识别HSIL患者的准确率分别为:90.56%和89.78%。4.以正常和异常为界,五位专家的平均诊断敏感度、特异度和准确率分别为:70%,72.92%和71.83%;阳性预测值和阴性预测值分别为85.02%和83.03%。这个结果低于分类模型在普通阴道镜图像中的诊断结果,但高于分类模型在高清阴道镜图像中的结果。5.在病变病例中,五位专家活检出HSIL的平均准确率为27.5%;活检出SIL的平均准确率为67.97%;每个患者的平均活检个数为2.39。准确率均高于检测模型对HSIL活检位点的识别准确率。结论:诊断系统各模型在高清阴道镜图像中的表现较普通阴道镜图像中的表现略差。模型在普通阴道镜图像中的诊断水平高于高年资阴道镜专家水平;在高清阴道镜图像中的诊断水平同低年资阴道镜专家水平相当,低于高年资阴道镜专家水平。
孙运明[5]（2019）在《液基薄层细胞学检查、人乳头瘤病毒及阴道镜检查在宫颈癌患者筛查诊断中的临床价值》文中提出目的探讨液基薄层细胞学检查（TCT）、人乳头瘤病毒（HPV）及阴道镜检查在宫颈癌患者筛查诊断中的临床价值,为宫颈癌的筛查和诊断提供参考。方法选取2017年6月-2018年6月在舟山妇幼保健院妇科门诊300例患者纳入本研究。针对300例就诊宫颈病变患者进行宫颈癌初次筛查,所有患者均检测TCT、高危型HPV-DNA以及阴道镜下活体组织检查（活检）。分析高危型HPV-DNA、TCT、阴道镜检测、HPV-DNA与TCT结合检测对于筛查早期宫颈癌诊断价值。结果 TCT检测结果显示,阳性有200例,鳞状细胞癌有89例、不典型腺细胞癌有34例、不典型鳞状细胞41例、鳞状上皮内低度病变36例,其检出率为66. 67%;患者进行HPV-DNA检测,结果为阳性230例,其HPV-DNA检出率76. 67%,HPV-DNA检出率明显高于TCT检测检出率,差异有统计学意义（P<0. 05）;针对300例阳性患者进行阴道镜活检后,结果为正常者及良性宫颈炎症有40例（13. 33%）,呈现阳性患者有260例（86. 67%）,TCT联合HPV-DNA检测结果显示260例患者阳性,即至少有一种为阳性,其联合诊断检出率为86. 67%,两种方式检查结果一致,TCT、HPV-DNA联合阴道镜活检,检测结果显示300例患者阳性,其联合诊断检出率为100. 00%,TCT、HPV-DNA联合阴道镜检测检出率明显高于TCT联合HPV-DNA检出率。结论检测宫颈癌采用阴道镜下活检、TCT及HPV-DNA可行性高,特别是TCT、HPV-DNA联合阴道镜活检检测可以提高宫颈癌早期检出率,减少漏诊,在筛查早期宫颈癌中具有重要诊断价值。
高文捷[6]（2019）在《HPV感染与宫颈病变的相关性分析及其分型检测与TCT检测在宫颈疾病筛查中的应用》文中认为目的探讨女性宫颈病变中人乳头瘤病毒（human papillomavirus,HPV）基因型别、年龄以及感染模式分布情况,分析不同的宫颈疾病筛查方法在宫颈癌前病变及宫颈癌的临床应用价值。方法回顾分析2017年1月至2018年7月在合肥市第一人民医院妇科门诊以及相关科室就诊并行宫颈癌筛查的2535例患者的临床病例资料。宫颈癌筛查方法包括宫颈细胞学检测和HPV分型测定。宫颈细胞学标本采用薄层液基细胞学检查（liquid-based thinlayer cytology test,TCT）方法检测,HPV采用聚合酶链反应（Polymerase Chain Reaction,PCR）反向点杂交技术进行分型检测。对其中230例患者进行了宫颈活检,依据病理学结果将患者分为良性病变/低级别鳞状上皮内病变（low-grade squamous intraepithelial lesion,LSIL）和高级别鳞状上皮内病变（high-grade squamous intraepithelial lesion,HSIL）/鳞状细胞癌（squamous cell carcinoma,SCC）两组;病例中共有203例患者同时进行TCT、HPV分型检测,并均转诊阴道镜行宫颈组织活检。以病理学诊断结果作为金标准,比较TCT单独检测、HPV单独检测及两者联合检测对宫颈癌前病变及宫颈癌的筛查效能。结果纳入研究对象的2535例患者中,HPV阳性者734例,HPV感染率为29.0%,单一感染和多重感染分别占总感染人数的70.9%（514/734）和29.1%（220/734）。检出率最高的五种基因型依次为HPV16（7.1%）、HPV52（5.2%）、HPV58（3.9%）、HPV53（1.7%）及HPV33（1.6%）。通过比较不同年龄段HPV的感染情况,发现HPV感染率较高的两个年龄段分别为2130岁（30.1%,151/501）和6170岁（47.9%,47/98）。良性病变/LSIL组中HPV的感染率为50.4%,HSIL/SCC组HPV感染率为87.6%,两组感染率差异有统计学意义（?2=33.247,P=0.000）。宫颈良性病变/LSIL组的单型别HPV感染率为29.1%（41/141）,HSIL/SCC组的单型别感染率为65.2%（58/89）,两组间差异有统计学意义（?2=28.988,P=0.000）。在宫颈良性病变/LSIL组中多重HPV感染比率为21.3%（30/141）,HSIL/SCC组中多重HPV感染比率为22.4%（20/89）,两组间差异无统计学意义（?2=0.046,P=0.831）。在宫颈LSIL以上的病变中检出率最高的前五种型别为HPV16、HPV58、HPV52、HPV33和HPV18,均为高危型。宫颈HSIL+病变中HPV16（37.5%）占比高于HPV58（11.6%）和HPV52（8.9%）,两组间差异均有统计学意义（?2=3.257、6.917,P<0.05）。研究中对三种筛查方法进行比较发现:TCT的特异度、准确度、阳性预测值及阳性似然比最大;TCT+HPV联合筛查的灵敏度和阴性预测值最大;三种筛查方案的曲线下面积（Area Under the Curve,AUC）比较由高到低依次为TCT单筛>TCT+HPV联合筛>HPV单筛。结论合肥地区女性HPV优势感染基因亚型分别为HPV16、HPV52、HPV58、HPV53及HPV33型,HPV感染率为29.0%,其中2130岁和6170岁这两个年龄段感染率最高。在发生宫颈病变的人群中,HPV感染型别位居前三位的依次是HPV16、HPV58和HPV52型,且随着宫颈病变程度的加重HPV的感染率逐渐上升。通过对三种筛查方法的比较发现:TCT单独筛查诊断的准确性最高,真阳性的概率最大;HPV和TCT联合筛查的灵敏度最大。
叶敏[7]（2019）在《C-MYC在宫颈癌中检测及表达分析》文中研究表明[目的]采用免疫组织化学技术及FISH技术检测C-MYC在宫颈癌及癌前病变组织中的表达情况,分析其与宫颈癌及癌前病变的关系,探讨检测C-MYC基因对宫颈癌及癌前病变的早期诊断及预后的价值和临床意义。[方法]收集36例宫颈癌、50例正常宫颈及50例宫颈低级别鳞状上皮内病变及50例宫颈高级别鳞状上皮内病变的组织石蜡包埋标本,同时收集患者的临床资料并分析,并将36例宫颈癌组织制成组织芯片,分别应用免疫组织化学技术及FISH技术检测正常宫颈组织、宫颈癌及癌前病变组织中C-MYC的表达情况并分析其结果。[结果]第一部分:1.随机选取正常宫颈组织、宫颈低级别鳞状上皮内病变组织及宫颈高级别鳞状上皮内病变组织石蜡包埋标本各50例,制成HE切片并进行病理诊断。2.收集36例宫颈癌组织石蜡包埋标本并制成HE切片并进行病理诊断,明确其分类分级及分期,同时圈画出明确的宫颈癌组织区域及癌旁组织。3.取宫颈癌组织36例,将其癌旁正常宫颈组织36例作为对照,将宫颈癌组织石蜡包埋标本制成组织芯片蜡块。4.分析宫颈病变及宫颈癌患者的临床资料发现:发生宫颈病变患者的年龄以小于60岁为主（92/100）,小于40岁组患者人数（55/100）明显多于大于60岁组（5/100）,提示宫颈病变的发生趋于年轻化;发生宫颈癌的患者年龄集中在40～60岁（23/36）,进行临床诊治的患者的FIGO分期集中在Ⅰ期及Ⅱ期（33/36）以及未发生淋巴结转移（32/36）的居多;中分化宫颈癌临床上相对常见（21/36）。第二部分:1.免疫组化检测C-MYC在正常宫颈上皮,宫颈上皮内病变及宫颈癌组织中的表达情况:C-MYC在正常宫颈鳞状上皮组、宫颈低级别鳞状上皮内病变组及宫颈高级别鳞状上皮内病变组及宫颈癌组的表达阳性率分别为2%（2/50）、24%（12/50）、62%（31/50）、70.59%（24/34）。2.各组别 C-MYC 表达结果分析:宫颈癌组患者的C-MYC阳性表达率为70.59%（24/34）,高于正常宫颈上皮组2%（1/50）,差异有统计学意义（P<0.05）;宫颈上皮内病变组患者的C-MYC 阳性表达率为43%（43/100）,高于宫颈正常上皮组,差异有统计学意义（P<0.05）。宫颈癌组患者的C-MYC 阳性表达率高于宫颈上皮内病变组,差异有统计学意义（P<0.05）;宫颈高级别上皮内病变组患者的C-MYC 阳性表达高于宫颈低级别上皮内病变组,差异有统计学意义（P<0.05）。根据宫颈癌患者不同年龄、FIGO分期、组织分化程度以及有无淋巴结转移进行分组,并对各组内各组别间的C-MYC蛋白阳性率进行分析,均无统计学差异。第三部分:1.FISH检测发现宫颈癌组织中C-MYC基因扩增现象,在荧光显微镜下观察发现病变细胞出现2个以上C-MYC信号,而正常宫颈上皮细胞内只有2个C-MYC信号。2.宫颈癌组织中C-MYC基因过表达阳性率为64.71%（22/34）,而癌旁正常宫颈上皮组织C-MYC基因呈低表达。3.C-MYC基因在宫颈癌中的过表达阳性率显着高于癌旁正常宫颈组织,差异有统计学意义（P<0.05）。根据宫颈癌患者不同年龄、FIGO分期、组织分化程度以及有无淋巴结转移进行分组,对各组内各组别间的C-MYC过表达阳性率进行分析,均无统计学差异。[结论]1.免疫组化方法检测结果显示C-MYC蛋白表达率随着宫颈上皮病变恶性程度的增加而增高,在宫颈癌组织及宫颈高级别鳞状上皮内病变中的表达明显高于宫颈低级别鳞状上皮内病变和正常宫颈上皮,提示C-MYC高表达与宫颈癌的发生发展有相关性,临床上检测C-MYC蛋白可能会成为宫颈病变发展程度的判定指标,帮助判断患者预后。2.FISH方法检测结果显示C-MYC基因在宫颈癌组织中有扩增现象,在正常宫颈细胞中低表达,提示C-MYC基因在宫颈癌的发生发展中起着相关作用。3.免疫组织化学方法及FISH技术检测C-MYC均具有良好的特异性和准确性,对宫颈上皮内病变及宫颈癌的患者做C-MYC基因的检测可提供肿瘤恶性程度、生长速度及预后的参考信息,也可作为早期诊断宫颈癌和判断预后的辅助手段。
方润[8]（2019）在《基于多光谱成像的宫颈癌细胞实时筛查系统》文中进行了进一步梳理迄今为止,常用的宫颈癌细胞筛查方法有TBS（The Bethesda System）分类法和细胞DNA定量分析法两种,而利用多重染色方法（即在同一张细胞涂片上同时对细胞质进行巴氏染色和对细胞核进行Feulgen染色）进行宫颈癌细胞筛查的研究仍然是空白。这种多重染色筛查方法的难点在于非DNA物质的吸光度会干扰DNA物质的吸光度。1)针对复合染色情况下吸光度混叠的难点,本文提出了利用多元线性回归方法建立的多光谱图像剥离模型,使用该模型可将混叠在一起的光谱响应剥离为各个单一波段的光谱响应。通过该模型将DNA物质的吸光度剥离出来进行DNA定量分析,其余波段进行伪彩色合成用于TBS筛查,实现了两种常用方法的完美结合。2)使用自制开发的高速高分辨率CMOS相机进行实时多光谱成像,利用多颜色LED对细胞玻片的吸收特性进行分时成像,自制FPGA采集卡实时数据采集和高速数据传输,连续聚焦和多层聚焦方式可大幅度提升图像清晰度。具有光谱分辨率高、光谱响应速度快、无运动部件、成本低等优点。3)利用FPGA的灵活性,通过硬件算法实现多光谱图像剥离模型的多路并行流水线运算,实现多光谱图像的实时剥离运算和输出。经过一系列实验证明了自制高速相机数据传输稳定,利用模型剥离出的DNA物质的吸光度与实测的DNA物质的吸光度没有显着差异,自制的高速相机和PCIe（Peripheral Component Interconnect express）采集卡组成的扫描平台可在3min内实现10万个细胞图像的稳定采集,分析平台的深度学习细胞分类模型准确度可达99%。另外,本系统的多光谱图像剥离模型只与吸收物质的吸收光谱（即入射光）的波长有关,可针对其它类似医学筛查、农产品检测等应用场合建立新的模型,具有巨大的市场应用潜力。
沈嘉浩[9]（2018）在《多光谱窄带成像计算机辅助宫颈癌筛查方法研究》文中提出宫颈癌诊断的金标准,是在白光阴道镜图像下活检取样,之后对取样标本做组织病理诊断。取样的准确性直接影响诊断的准确性。然而目前临床上阴道镜成像模式较为单一,对病变区域突显不足,对医生活检部位的确定指导价值有待提高。为此,本文对基于多光谱窄带成像的计算机辅助宫颈癌筛查方法进行了研究,主要包括成像装置的优化,阴道镜系统人机交互界面设计以及多光谱病理诊断算法研究。本研究所使用的阴道镜系统,具有环形多波段LED照明光源,使用高分辨率彩色CMOS相机。它能对宫颈组织进行快速的分时成像,并得到三幅宫颈组织在不同波段照明光源下的彩色图像:常规白光成像、窄带蓝光成像以及窄带绿光成像。本研究所开发的多光谱病理诊断算法由图像预处理和组织分类算法两部分组成,其中图像预处理方法包括如下步骤:首先对三种模式成像获取的图像采取中值滤波处理,以消除可能存在的极端噪声;其次是空间配准,用于消除分时图像之间可能存在的微小位置偏差,配准采用互信息量为相似性测度函数,梯度下降法为优化算法;第三步对宫颈组织提取,利用canny边缘检测结合数字图像形态学操作;第四,多波段图像融合,以宫颈组织非病变区域相对病变区域的灰度对比度为评价指标,融合后的图像其对比度相较未融合图像各通道对比度皆有明显提升,此举可以拉大宫颈组织病变区与非病变区之间灰度特征的“距离”,方便下一步的分类诊断。组织分类算法是在在得到多波段融合图像之后进行的,具体包括:二分类（正常与病变两类）的K均值聚类算法,初始种子点则为医生在样本图中提取的样本点的特征均值;为了优化分类诊断的效果,在白光图像上利用改进的K均值聚类算法结合轮廓系数法对宫颈组织的镜面反射点进行剔除;加入白光图像的HSI及Lab颜色空间分量为分类特征,并再次利用K均值聚类算法对阴影区进行去除本文还对宫颈癌多光谱光学病理筛查方法进行初步临床评价。将多光谱病理诊断算法所形成的分类诊断结果与医生组织病理结果进行客观评价。临床评价结果表明,本文分类结果具有84%的灵敏度、93%的特异度以及89%的准确度。本文创新性地开发了适合窄带反射光成像的阴道镜宫颈癌计算机辅助诊断算法,该研究有望提升阴道镜对活检取样位置确定的指导价值,对提高县区级等医疗资源欠缺的医疗机构早期宫颈癌筛查的准确性有帮助,对广大基层妇女早期宫颈癌筛查普及率提高具有实用价值。
杨霏[10]（2016）在《探讨电子阴道镜在宫颈病变检查中的应用价值》文中研究说明目的分析对宫颈病变患者用电子阴道镜检查对病情的了解程度以及临床应用价值。方法分析数据来源为本院2015年-2016年期间收治宫颈病变患者50例相关基线资料,所有患者均分别接受电子阴道镜方式与TCT诊断检查,对患者临床资料以回顾性方法进行分析,通过与病理检查结果相对比了解在宫颈病变检查中电子阴道镜的临床作用。结果病理检查结果提示本次研究范围内宫颈病变患者有37例为慢性宫颈炎,1例为宫颈癌,12例为CIN,阴道镜检查慢性宫颈炎、宫颈癌以及CIN检出率分别为97.3%、100%、91.7%;病理检出的36例慢性宫颈炎患者,经阴道镜检查显示有22例患者无异常,白斑2例,醋酸白色上皮7例,点状血管3例,异形血管2例。病理检出的1例宫颈癌患者,经阴道镜检查显示醋酸白色上皮。病理检出的11例CIN患者,经阴道镜检查显示有1例患者无异常,碘阴区1例,白斑1例,醋酸白色上皮4例,镶嵌2例,点状血管1例,异形血管1例。结论宫颈病变是妇科临床常见疾病,对此类患者及时诊断、明确鉴定病变类型对于制定针对性的宫颈病变治疗方案有重要价值,电子阴道镜具有操作简单以及侵袭性轻等优点,不但本身具备较高诊断率,和病理检查相结合更有利于提高诊断准确率,值得临床重视与推广。
二、OLYMPUS电子阴道镜的临床应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、OLYMPUS电子阴道镜的临床应用（论文提纲范文）
（1）HPV L1、P16对宫颈SIL检出的临床价值的研究（论文提纲范文）
| 中英文缩略词表 |
| 中文摘要 |
| 英文摘要 |
| 前言 |
| 研究对象与方法 |
| 第一部分 HPV L1、P16 对宫颈SIL的检出能力结果 |
| 技术路线 |
| 结果 |
| 讨论 |
| 结论 |
| 第二部分 HPVL1及P16的时序表达和临床管理结果 |
| 技术路线图 |
| 结果 |
| 讨论 |
| 结论 |
| 本研究的优势和不足 |
| 参考文献 |
| 综述:宫颈鳞状上皮内病变的防治现状 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（2）基于人工智能的电子阴道镜辅助诊断系统构建及多中心应用评估（论文提纲范文）
| 中英文缩略词 |
| 中文摘要 |
| ABSTRACT |
| 前言 |
| 研究目标 |
| 1.总体目标 |
| 2.阶段目标 |
| 材料与方法 |
| 1.研究设计 |
| 2.研究对象 |
| 3.研究方法 |
| 3.1 阴道镜图像处理及标注 |
| 3.2 既往细胞学和HPV检测结果 |
| 3.3 阴道镜检查和组织活检 |
| 3.4 组织病理学诊断 |
| 3.5 CAIADS算法 |
| 3.5.1 宫颈区域检测网络 |
| 3.5.2 特征编码网络 |
| 3.5.3 特征融合网络 |
| 3.5.4 病灶区域分割及活检点检测网络 |
| 3.5.5 迁移学习 |
| 3.6 风险预测模型 |
| 4.统计学分析 |
| 研究结果 |
| 1.研究对象病案信息 |
| 1.1 基本人口学特征 |
| 1.2 转诊阴道镜的指征 |
| 1.3 宫颈活检组织病理学结果 |
| 2.CAIADS应用价值评估 |
| 2.1 CAIADS检出宫颈病变的能力评估 |
| 2.2 CAIADS对宫颈活检点位的预测能力评估 |
| 2.3 CAIADS和不同年资组阴道镜医生检出宫颈病变的能力比较 |
| 讨论 |
| 1.CAIADS检出宫颈病变的能力评估 |
| 2.CAIADS对宫颈活检点位的预测能力评估 |
| 3.CAIADS和不同年资组阴道镜医生检出宫颈病变的诊断能力比较 |
| 4.小结 |
| 5.研发人工智能电子阴道镜辅助诊断系统所面对的挑战 |
| 6.研发人工智能电子阴道镜辅助诊断系统的建议 |
| 6.1 数据质量控制和数据安全 |
| 6.2 研发目标的定位 |
| 6.3 研发团队的建设 |
| 6.4 人工智能规定和法律的制定 |
| 7.创新性和局限性 |
| 全文总结 |
| 参考文献 |
| 附件 |
| 文献综述 阴道镜在宫颈癌筛查中的应用 |
| 参考文献 |
| 致谢 |
| 个人简历 |
（3）人工智能电子阴道镜辅助诊断系统的可行性评估（论文提纲范文）
| 摘要 |
| Abstract |
| (一)前言 |
| (二)材料和方法 |
| 1.研究对象 |
| 2.研究方法 |
| (三)结果 |
| 1.研究对象基本人口学特征 |
| 2.AI诊断宫颈病变的准确性 |
| 3.阴道镜医师诊断宫颈病变的准确性 |
| 4.阴道镜医师与AI两种诊断方法的灵敏度和特异度比较 |
| (四)讨论 |
| 1.人工智能电子阴道镜对宫颈高级别病变的诊断价值 |
| 2.人工智能电子阴道镜在宫颈癌筛查的应用前景 |
| (五)结论 |
| (六)参考文献 |
| 综述 人工智能电子阴道镜辅助诊断系统的应用前景 |
| 前言 |
| 1.子宫颈癌流行病学概述 |
| 2.子宫颈癌病因学概述 |
| 3.全球宫颈癌防控进展 |
| 4.中国人群宫颈癌防控进展 |
| 5.阴道镜检查 |
| 6.人工智能医学影像学概述 |
| 7.人工智能电子阴道镜辅助诊断系统的应用前景 |
| 参考文献 |
| 致谢 |
（4）阴道镜下子宫颈鳞状上皮内病变的深度学习诊断系统的建立和验证（论文提纲范文）
| 致谢 |
| 中文摘要 |
| Abstract |
| 缩略词表 |
| 绪论 |
| 参考文献 |
| 第一部分 阴道镜下子宫颈鳞状上皮内病变的深度学习诊断模型的建立 |
| 1 前言 |
| 2 材料与方法 |
| 2.1 病例来源 |
| 2.2 临床资料收集与预处理 |
| 2.3 阴道镜检查图像的预处理 |
| 2.4 深度学习模型骨架的建立 |
| 2.5 多模态RensNet分类模型 |
| 2.6 U-net分割模型 |
| 2.7 Mask R-CNN检测模型 |
| 2.8 模型评估指标 |
| 3 结果 |
| 3.1 建模阶段入组数据基本分布 |
| 3.2 ResNet分类模型能区分正常病例和病变病例的准确性 |
| 3.3 U-Net分割模型能区分病变病例子宫颈正常区域和病变区域的准确性 |
| 3.4 Mask R-CNN检测模型检测HSIL的准确性 |
| 4 讨论 |
| 5 结论 |
| 6 参考文献 |
| 第二部分 阴道镜下子宫颈鳞状上皮内病变的深度学习诊断模型的独立样本验证 |
| 1 前言 |
| 2 材料与方法 |
| 2.1 数据收集 |
| 2.2 数据预处理 |
| 2.3 模型验证 |
| 2.4 统计学处理 |
| 3 结果 |
| 3.1 独立样本验证阶段入组数据基本分布 |
| 3.2 分类模型在高清阴道镜图像中的验证结果 |
| 3.3 分割模型在高清阴道镜图像中的验证结果 |
| 3.4 检测模型在高清阴道镜图像中的验证结果 |
| 3.5 模型诊断结果同医生诊断结果的比较 |
| 3.6 高清阴道镜图像和普通阴道镜图像的区别 |
| 4 讨论 |
| 5 结论 |
| 6 参考文献 |
| 综述 人工智能和深度学习在医学领域的应用 |
| 参考文献 |
| 作者简历及在学期间所取得的科研成果 |
（5）液基薄层细胞学检查、人乳头瘤病毒及阴道镜检查在宫颈癌患者筛查诊断中的临床价值（论文提纲范文）
| 1 对象与方法 |
| 1.1 研究对象 |
| 1.2 方法 |
| 1.3 评价指标 |
| 1.4 统计学分析 |
| 2 结果 |
| 2.1 单一TCT检测与HPV-DNA检测结果比较 |
| 2.2 阴道镜活检与TCT联合HPV-DNA检测结果 |
| 2.3 TCT联合HPV-DNA检测与TCT、HPV-DNA联合阴道镜检测比较 |
| 3 讨论 |
（6）HPV感染与宫颈病变的相关性分析及其分型检测与TCT检测在宫颈疾病筛查中的应用（论文提纲范文）
| 中英文对照缩略词表 |
| 中文摘要 |
| 英文摘要 |
| 前言 |
| 材料与方法 |
| 结果 |
| 讨论 |
| 结论 |
| 参考文献 |
| 附录 |
| 致谢 |
| 综述 |
| 参考文献 |
（7）C-MYC在宫颈癌中检测及表达分析（论文提纲范文）
| 中文摘要 |
| Abstract |
| 前言 |
| 参考文献 |
| 第一部分 宫颈癌及癌前病变标本收集及组织芯片的制备 |
| 引言 |
| 材料和方法 |
| 1. 材料 |
| 2. 方法 |
| 结果 |
| 1. 宫颈活检组织的HE切片 |
| 2. 宫颈鳞癌的HE切片 |
| 3. 宫颈癌手术标本组织石蜡包埋标本制成组织芯片 |
| 4. 宫颈病变患者的临床资料分析 |
| 5. 宫颈癌患者的临床资料分析 |
| 讨论 |
| 结论 |
| 参考文献 |
| 第二部分 应用免疫组化技术检测宫颈癌及癌前病变中C-MYC的表达及结果分析 |
| 引言 |
| 材料和方法 |
| 1. 材料 |
| 2. 方法 |
| 结果 |
| 1. C-MYC蛋白在不同宫颈上皮组织中的差异性表达 |
| 2. C-MYC蛋白在宫颈癌及癌旁组织中的差异性表达 |
| 3. 各类宫颈上皮组织中C-MYC蛋白的表达情况及分析 |
| 讨论 |
| 结论 |
| 参考文献 |
| 第三部分 应用FISH技术检测宫颈癌组织芯片中C-MYC及其结果分析 |
| 引言 |
| 材料和方法 |
| 1. 材料 |
| 2. 方法 |
| 结果 |
| 1. FISH检测C-MYC基因在宫颈癌及癌旁组织中荧光信号观察结果 |
| 2. 宫颈癌及癌旁组中C-MYC基因的表达情况及分析 |
| 3. 不同临床病理因素对宫颈癌患者C-MYC基因表达的影响及分析 |
| 讨论 |
| 结论 |
| 参考文献 |
| 全文总结 |
| 综述 FISH技术在妇科肿瘤中的应用 |
| 参考文献 |
| 缩略词表 |
| 致谢 |
（8）基于多光谱成像的宫颈癌细胞实时筛查系统（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状和发展趋势 |
| 1.3 本课题的研究内容 |
| 2 多光谱成像实时筛查原理 |
| 2.1 系统组成 |
| 2.1.1 高速CMOS相机 |
| 2.1.2 图像采集卡 |
| 2.1.3 分时光源系统 |
| 2.1.4 三维运动平台 |
| 2.2 系统工作流程 |
| 2.3 吸光度剥离模型 |
| 2.4 细胞DNA定量分析 |
| 2.4.1 DNA指数 |
| 2.4.2 成像系统中的传递函数 |
| 3 数据实时采集 |
| 3.1 系统数据传输流程 |
| 3.2 PCIE数据实时传输 |
| 3.2.1 图像采集系统的组成及工作原理 |
| 3.2.2 Camera Link接口硬件设计 |
| 3.2.3 SGDMA控制设计 |
| 3.2.4 PCIe设备识别 |
| 3.2.5 采集卡驱动程序 |
| 3.3 聚焦方式 |
| 3.3.1 连续聚焦 |
| 3.3.2 多层聚焦 |
| 3.4 上位机软件设计 |
| 3.4.1 驱动程序 |
| 3.4.2 数据采集 |
| 3.4.3 数据缓冲机制 |
| 3.4.4 图像显示 |
| 4 数据分析平台 |
| 4.1 细胞图像分割 |
| 4.1.1 细胞图像提取 |
| 4.1.2 细胞核的提取 |
| 4.2 细胞分类 |
| 4.2.1 深度学习caffe框架 |
| 4.2.2 利用caffe训练上皮细胞分类模型 |
| 5 实验测试 |
| 5.1 光谱图像剥离测试 |
| 5.2 扫描测试 |
| 5.3 细胞分类测试 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 附录 |
| 攻读硕士学位期间的科研成果 |
| 致谢 |
（9）多光谱窄带成像计算机辅助宫颈癌筛查方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 引言 |
| 1.1 课题来源 |
| 1.2 课题研究背景及意义 |
| 1.3 课题研究发展及现状 |
| 1.4 本文主要内容和结构 |
| 第2章 窄带多光谱照明阴道镜成像系统 |
| 2.1 阴道镜成像系统硬件介绍 |
| 2.2 阴道镜控制面板及硬件成像原理 |
| 2.3 系统软件界面设计及功能介绍 |
| 2.4 本章小结 |
| 第3章 阴道镜图像预处理 |
| 3.1 图像去噪 |
| 3.2 多模分时图像配准 |
| 3.2.1 图像配准的概念 |
| 3.2.2 图像配准的基本过程 |
| 3.2.3 配准结果及评价 |
| 3.3 宫颈组织分割算法 |
| 3.3.1 基本图像分割算法 |
| 3.3.2 图像形态学操作 |
| 3.4 窄带多光谱图像融合算法 |
| 3.4.1 多波段尺度归一化 |
| 3.4.2 多波段融合算法 |
| 3.5 本章小结 |
| 第4章 图像分析与计算机辅助诊断方法 |
| 4.1 宫颈组织特征分析及提取 |
| 4.1.1 特征分析 |
| 4.1.2 K-means聚类 |
| 4.1.3 伪彩色处理 |
| 4.1.4 分类诊断结果 |
| 4.2 镜面反射点的去除 |
| 4.2.1 K-means++ |
| 4.2.2 轮廓系数法 |
| 4.3 阴影区去除 |
| 4.3.1 颜色空间 |
| 4.3.2 阴影点分析与处理 |
| 4.4 本章小结 |
| 第5章 辅助诊断结果及临床评价 |
| 5.1 多光谱病理诊断算法总结 |
| 5.2 分类结果主观反馈 |
| 5.3 分类结果客观反馈 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间发表的学术论文和研究成果 |
（10）探讨电子阴道镜在宫颈病变检查中的应用价值（论文提纲范文）
| 0 引言 |
| 1 资料与方法 |
| 1.1 一般资料 |
| 1.2 检查方法 |
| 2 结果 |
| 2.1 电子阴道镜应用价值 |
| 2.2 图像显示特点 |
| 3 讨论 |
四、OLYMPUS电子阴道镜的临床应用（论文参考文献）
- [1]HPV L1、P16对宫颈SIL检出的临床价值的研究[D]. 龙小琴. 遵义医科大学, 2020(12)
- [2]基于人工智能的电子阴道镜辅助诊断系统构建及多中心应用评估[D]. 薛鹏. 北京协和医学院, 2020(05)
- [3]人工智能电子阴道镜辅助诊断系统的可行性评估[D]. 唐朝. 大连医科大学, 2020(07)
- [4]阴道镜下子宫颈鳞状上皮内病变的深度学习诊断系统的建立和验证[D]. 袁春女. 浙江大学, 2020(01)
- [5]液基薄层细胞学检查、人乳头瘤病毒及阴道镜检查在宫颈癌患者筛查诊断中的临床价值[J]. 孙运明. 中国妇幼保健, 2019(21)
- [6]HPV感染与宫颈病变的相关性分析及其分型检测与TCT检测在宫颈疾病筛查中的应用[D]. 高文捷. 安徽医科大学, 2019(08)
- [7]C-MYC在宫颈癌中检测及表达分析[D]. 叶敏. 苏州大学, 2019(04)
- [8]基于多光谱成像的宫颈癌细胞实时筛查系统[D]. 方润. 武汉大学, 2019(06)
- [9]多光谱窄带成像计算机辅助宫颈癌筛查方法研究[D]. 沈嘉浩. 华侨大学, 2018(12)
- [10]探讨电子阴道镜在宫颈病变检查中的应用价值[J]. 杨霏. 世界最新医学信息文摘, 2016(91)
标签：电子阴道镜论文; 宫颈癌论文; 慢性宫颈炎论文; tct宫颈癌筛查论文; tct检查论文;