Investigation on automatic cervical cancer detection system

---

感谢
宫颈癌自动检测系统调研汇报（KR）
创新项目报告（TZH）

1 宫颈癌（cervical cancer）介绍

  宫颈癌是当前最为普遍的妇科恶性肿瘤之一，其高发年龄为30岁~55岁，发病年龄呈现年轻化趋势；全球范围内每年约有53万宫颈癌新发病例，约有27万女性死于宫颈癌，其中超过80%的死亡病例发生在发展中国家，并呈现较高增长趋势。其主要原因在于发展中国家普遍缺乏成熟的筛查体系，被发现时已处于晚期，而发达国家由于筛查系统的普及，能及时发现癌前病变并进行治疗，宫颈癌的发病率和死亡率减少了80%。宫颈细胞学检查是最早出现的、也是当前最普遍和最有效的宫颈癌筛查方法。现代宫颈细胞学检查通过收集病变部位的脱落细胞，采用液基细胞学检测技术制成涂片后在显微镜下进行细胞病理学分析，并根据TBS(the Bethesda system)描述性诊断方法给出诊断报告和治疗建议。目前主要采用人工阅片，由经验丰富的病理医生从每张液基涂片上数十万细胞中查找出若干病变细胞，不仅工作强度大，且诊断结果的准确性和可靠性容易受医生的主观因素等影响。此外，我国宫颈癌风险人群基数大，涂片数量巨大，病理医生缺乏且分布 不平衡，严重阻碍了该技术在我国大规模推广使用。而采用计算机进行自动阅片可不仅可以大大降低医生的劳动强度和工作量，还可以提高阅片的准确性、客观性和可重复性，具有重要的意义。但是医学细胞图像具有类间特征差别小，目标尺度变化大，形态多变，簇拥现象明显等特点，使阅片自动化实现更加困难。

  目前国内阅片方式仍然需要细胞学医师用肉眼在显微镜下观察,没有开发出系统的宫颈细胞图像分割和识别算法。国外相关设备是基于图像预处理、分割、分类的传统方法进行开发。美国在宫颈细胞学涂片自动化阅片上研究方面一直处理于领先地位，FDA 已经批准了四台具有代表性的宫颈细胞涂片辅助阅片设备：PAPNET 1、Auto Pap2、Thin Prep3、Focal Point GS4。这些检验设备虽然提高了判读的效率和准确性，促进了细胞学筛查的普及，但是依然存在准确率低，流程复杂，自动化程度低，主观因素干扰等问题。不具备在发展中国家全面推广的条件。

  综上所述，为了满足医学发展对自动化阅片的需求，解决传统方法中准确率不高，效率低，主观因素严重的问题，本项目提出基于深度学习的目标检测方法对宫颈癌自动检测进行研究，研究成果为自动化检测宫颈癌解决方案，同时该成果将为智能医学发展提供支持。此外该技术在其他细胞水平检测上均有广阔的应用前景。

2 宫颈癌自动检测系统代表分析

现代细胞学新技术有以下两个发展方向:

1) 细胞学制片现代化，例如：液基薄层细胞学技术、液基离心沉淀式薄层细胞学技术；
2) 细胞学阅片现代化，例如：计算机辅助阅片技术、自动判读技术

美国在宫颈细胞学涂片自动化检测研究方面一直处理于领先地位，FDA 已经批准了四台具有代表性的宫颈细胞涂片自动化检验设备：PAPNET、Auto Pap、Thin Prep、Focal Point GS（其中 PAPNET 和 Auto Pap 当前已经没有新设备销售），这些检验设备提高了判读的效率和准确性，促进了细胞学筛查的普及。国产的自动细胞制片机技术已经发展得较为成熟，制片技术已经达到国际先进水平,而设备和耗材的价格远远低于国外的细胞制片机，但是阅片方式仍然要靠细胞学医师用肉眼在显微镜下观察，没有开发出系统的宫颈细胞图像分割和识别算法。当前自动化的细胞学涂片检测设备在判读的灵敏度、特异度方面受到了部分医生的质疑，至少没有设备厂家宣称的那么高，还不能取代人工判读。

两个代表：

2.1 ThinPrep Imaging system

柏氏电脑自动辅助阅片系统 《TIS电脑辅助阅片新技术在妇科宫颈疾病普查中的应用与临床意义》

• 依据
  DNA染色用于染色宫颈细胞核，异常细胞的DNA含量增加，细胞核比例增加，所以形状异常，体积大，颜色深的细胞为异常细胞。

• 主要目的
  标定出感兴趣区域，找出疑似病变细胞视野区

• 主要流程
  该系统定位出22个最可疑细胞视野区，细胞学医师复审22个视野，有任一区域异常则判定为异常，否则标定为正常，标定为异常的涂片再由病理医师审查，所以说该系统所做的仅仅是提供了可疑细胞视野，其他均为人完成。（Dual review）

• 主要优势
  FN降低50%，Dual review 增加了敏感性和特异性，改善LSIL and HSIL的检测，降低不满意度和ASC-US率。

2.2 BD FocalPoint™ GS Imaging System

Focal Point GS Imaging 的技术源于 Auto Pap 和 Auto Cyte，2008年获得美国食品药品监督局的批准用于临床检验能够在涂片中找到的鳞状上皮细胞癌，腺癌和病变预兆的条件和迹象。

Focal Point GS Imaging System 可以判读传统巴氏涂片和 Sure Path LBC 液基涂片，其判读后给出 5 个病变程度级别中的一个，并且排除 25%的涂片不用人工判读，剩下的 75%的涂片选出 10个 视野供细胞学医师判读。

• 主要优势：
  降低不满意度，增加筛查的敏感性等

2.3 麦克奥迪（厦门）医疗

3 目标检测方法分析

• 传统的目标检测

输入图像 –> 预处理 –>图像分割 –>特征提取 –>分类器设计–> 检测结果输出

• 基于深度学习的目标检测

速度快
精度高
但对服务器和显卡要求非常高

4 现状分析

• 系统实现方法：拟采用传统的分割检测方法进行Cervical Screening System 的设计

• 困难与挑战：

  • 分割问题：（1）细胞学涂片图像中的细胞存在大量重叠，识别重叠的细胞，并将其分
    离为单个的细胞，作为特征提取和判读的基础，是要解决的第一个问题。（2）精确定
    位细胞质和细胞核的轮廓，实现精确分割是需要解决的第二个问题。由于在特征提取部
    分需要提取细胞质和细胞核的形态特征，例如：细胞核的形状、轮廓规则度等，形态特
    征的提取对轮廓的精确性要求较高，因而细胞的精确分割是重点研究内容。

  • 特征提取问题：有效的纹理、形态、色彩等特征的提取与选择

  • 检测模型的构建问题：选择设计出有效的判读模型

5 问题与建议

• we:
  我们的涂片类型？PAP or TCT or others
  我们的检测采用的分类标准？TBS?
  我们的图片采集和标注情况？
• and you?

---

1. Irwig L, Macaskill P, Farnsworth A, et al. A randomized crossover trial of PAPNET for primary cervical screening. J Clin Epidemiol 2004;57:75–81 ↩
2. Wilbur DC, Prey MU, Miller WM, Pawlick GF & Colgan TJ (1998) The Auto‐Pap System for primary screening in cervical cytology. Comparing the results of a prospective, intended-use study with routine manual practice. Acta Cytol 42: 14–220 ↩
3. Harandi NM, et al. An automated method for segmentation of epithelial cervical cells in images of ThinPrep. J MedSyst. 2010;34(6):1043–58. ↩
4. T. J. Colgan, N. Bon, S. Clipsham, G. Gardiner, J. Sumner, V. Walley, and C. M. McLachlin. A validation study of the FocalPoint GS Imaging System for gynecologic cytology screening. Cancer Cytopathology, 121(4):189–196, Apr 2013. doi: 10.1002/cncy.21271. ↩