TỔNG QUAN VỀ TRÍ TUỆ NHÂN TẠO TRONG SÀNG LỌC  UNG THƯ CỔ TỬ CUNG BẰNG XÉT NGHIỆM TẾ BÀO HỌC

Nghiêm Chí Cương; Hà Hải Bằng; Nguyễn Đức Trường; Lương Thị Mỹ Hạnh

doi:10.34238/tnu-jst.4872

TỔNG QUAN VỀ TRÍ TUỆ NHÂN TẠO TRONG SÀNG LỌC UNG THƯ CỔ TỬ CUNG BẰNG XÉT NGHIỆM TẾ BÀO HỌC

Thông tin bài báo

Ngày nhận bài: 09/08/21 Ngày hoàn thiện: 20/09/21 Ngày đăng: 06/10/21

Các tác giả

1. Nghiêm Chí Cương , Bệnh viện A Thái Nguyên
2. Hà Hải Bằng, Bệnh viện A Thái Nguyên
3. Nguyễn Đức Trường, Bệnh viện A Thái Nguyên
4. Lương Thị Mỹ Hạnh, Trường Đại học Nagasaki

Tóm tắt

Trí tuệ nhân tạo đã và đang phát triển mạnh mẽ, đạt được nhiều thành quả ấn tượng trong việc phân tích những hình ảnh phức tạp. Ngày nay nó được ứng dụng rộng rãi trong nhiều lĩnh vực, trong đó đặc biệt là Y tế. Trên thế giới, việc ứng dụng trí tuệ nhân tạo vào lĩnh vực Tế bào học cổ tử cung đã được nghiên cứu và ứng dụng từ những năm 1996, tuy nhiên ở Việt Nam vẫn còn hết sức mới mẻ. Bài viết đưa ra cái nhìn tổng quan về hiệu quả của trí tuệ nhân tạo trong lĩnh vực tế bào học cổ tử cung đã được nghiên cứu và công bố trên các tạp chí quốc tế uy tín. Hai cở sở dữ liệu Herlev và SIPaKMeD là một trong số những bộ dữ liệu miễn phí được nhiều nghiên cứu sử dụng. Ứng dụng học sâu và thị giác máy tính với những thuật toán mới có thể giải quyết hiệu quả bài toán nhận diện, phân loại tế bào cổ tử cung. Hệ thống hình ảnh Thinprep vẫn đang là sản phẩm thống trị thị trường trong lĩnh vực này nhưng chi phí cao lại là trở ngại rất lớn. Tại Việt Nam, nghiên cứu và ứng dụng trí tuệ nhân tạo trong Tế bào học cổ tử cung là lĩnh vực rất tiềm năng nhưng cần phải có những nghiên cứu sâu và quy mô hơn nữa.

Từ khóa

Trí tuệ nhân tạo trong tế bào học cổ tử cung; Học máy trong tế bào học cổ tử cung; Học sâu trong tế bào học cổ tử cung; Cơ sở dữ liệu tế bào cổ tử cung; Trí tuệ nhân tạo trong tế bào học

Toàn văn:

PDF

Tài liệu tham khảo

[1] W. H. Organization, "GLOBOCAN Cervical Cancer," ed. Viet Nam, 2020.

[2] V. M. O. Health, "Decision On approval of the document "The pilot scheme for early detection screening Cervical cancer and treatment in some provinces in the period of 2019 - 2025"," ed. Viet Nam, 2019.

[3] C. Marth, F. Landoni, S. Mahner, M. McCormack, A. Gonzalez-Martin, and N. Colombo, "Cervical cancer: ESMO Clinical Practice Guidelines for diagnosis, treatment and follow-up," (in eng), Ann Oncol, vol. 28, no. suppl_4, pp. iv72-iv83, Jul 1 2017.

[4] U. Banik, P. Bhattacharjee, S. U. Ahamad, and Z. Rahman, "Pattern of epithelial cell abnormality in Pap smear: A clinicopathological and demographic correlation," (in eng), CytoJournal, vol. 8, pp. 8-8, 2011.

[5] Y. Singh, D. Srivastava, P. S. Chandranand, and S. J. A. Singh, "Algorithms for screening of Cervical Cancer: A chronological review," ArXiv, vol. abs/1811.00849, pp. 32-42, 2018.

[6] M. S. Landau and L. Pantanowitz, "Artificial intelligence in cytopathology: a review of the literature and overview of commercial landscape," (in eng), J Am Soc Cytopathol, vol. 8, no. 4, pp. 230-241, Jul-Aug 2019.

[7] H. Bao et al., "The artificial intelligence-assisted cytology diagnostic system in large-scale cervical cancer screening: A population-based cohort study of 0.7 million women," Cancer Med, vol. 9, no. 18, pp. 6896-6906, Sep 2020.

[8] M. J. Thrall, "Automated screening of Papanicolaou tests: A review of the literature," Diagn Cytopathol, vol. 47, no. 1, pp. 20-27, Jan 2019.

[9] K. Kiran GV and G. Meghana Reddy, "Automatic Classification of Whole Slide Pap Smear Images Using CNN With PCA Based Feature Interpretation," in Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops, 2019, pp. 10-15.

[10] M. E. Plissiti and C. Nikou, "Cervical Cell Classification Based Exclusively on Nucleus Features," in Image Analysis and Recognition, Berlin, Heidelberg, 2012, pp. 483-490: Springer Berlin Heidelberg.

[11] J. Jantzen. (2008, 12 July). Pap smear (DTU/Herlev) Databases & related studies. Available: http://mde-lab.aegean.gr/index.php/downloads

[12] M. E. Plissiti, "Sipakmed : A New Dataset for Feature and Image based classification of normal and pathological cervical cells in Pap smear images," in IEEE International Conference on Image Processing (ICIP), 2018.

[13] M. E. Plissiti, P. Dimitrakopoulos, G. Sfikas, C. Nikou, O. Krikoni, and A. Charchanti, "Sipakmed: A New Dataset for Feature and Image Based Classification of Normal and Pathological Cervical Cells in Pap Smear Images," presented at the International Conference on Image Processing, 10/5/2018, 2018.

[14] D. J. Jantzen. (2008, 10 July). Herlev dataset. Available: http://mde-lab.aegean.gr/index.php/downloads

[15] M. Sharma, S. Kumar Singh, P. Agrawal, and V. Madaan, "Classification of Clinical Dataset of Cervical Cancer using KNN," Indian Journal of Science and Technology, vol. 9, no. 28, 2016.

[16] R. Kumar, R. Srivastava, and S. Srivastava, "Detection and Classification of Cancer from Microscopic Biopsy Images Using Clinically Significant and Biologically Interpretable Features," (in eng), J Med Eng, vol. 2015, p. 457906, 2015.

[17] B. Ashok and D. P. Aruna, "Comparison of Feature selection methods for diagnosis of cervical cancer using SVM classifier," Journal of Engineering Research and Applications, vol. 6, no. 1, pp. 94-99, 2016.

[18] T. Chankong, N. Theera-Umpon, and S. Auephanwiriyakul, "Cervical Cell Classification using Fourier Transform," in 13th International Conference on Biomedical Engineering, Berlin, Heidelberg, 2009, pp. 476-480: Springer Berlin Heidelberg.

[19] T. Chankong, N. Theera-Umpon, and S. Auephanwiriyakul, "Automatic cervical cell segmentation and classification in Pap smears," Comput Methods Programs Biomed, vol. 113, no. 2, pp. 539-56, Feb 2014.

[20] K. Bora, M. Chowdhury, L. B. Mahanta, M. K. Kundu, and A. K. Das, "Automated classification of Pap smear images to detect cervical dysplasia," Comput Methods Programs Biomed, vol. 138, pp. 31-47, Jan 2017.

[21] L. Zhang, L. Le, I. Nogues, R. M. Summers, S. Liu, and J. Yao, "DeepPap: Deep Convolutional Networks for Cervical Cell Classification," IEEE J Biomed Health Inform, vol. 21, no. 6, pp. 1633-1643, Nov 2017.

[22] W. Mousser and S. Ouadfel, "Deep Feature Extraction for Pap-Smear Image Classification: A Comparative Study," presented at the Proceedings of the 2019 5th International Conference on Computer and Technology Applications, Istanbul, Turkey, 2019. Available: https://doi.org/10.1145/3323933.3324060

[23] J. Shi, R. Wang, Y. Zheng, Z. Jiang, H. Zhang, and L. Yu, "Cervical cell classification with graph convolutional network," (in eng), Comput Methods Programs Biomed, vol. 198, p. 105807, Jan 2021.

[24] S. Sornapudi, G. T. Brown, Z. Xue, R. Long, L. Allen, and S. Antani, "Comparing Deep Learning Models for Multi-cell Classification in Liquid- based Cervical Cytology Image," (in eng), AMIA Annu Symp Proc, vol. 2019, pp. 820-827, 2019.

[25] X. H. Zhu et al., "Application of artificial intelligence-assisted diagnosis for cervical liquid-based thin-layer cytology," (in chi), Zhonghua Bing Li Xue Za Zhi, vol. 50, no. 4, pp. 333-338, Apr 8 2021.

[26] H. P. Tang et al., "Cervical cytology screening facilitated by an artificial intelligence microscope : A preliminary study," (in eng), Cancer Cytopathol, vol. 129, no. 9, pp. 693-700, Apr 7 2021.

[27] S. Albert, "PAPNET Testing System," Acta Cytol, vol. 41, pp. 65-73, 1997.

[28] Z. Özcan, E. Kimiloğlu, A. A. Iğdem, and N. Erdoğan, "Comparison of the Diagnostic Utility of Manual Screening and the ThinPrep Imaging System in Liquid-Based Cervical Cytology," (in eng), Turk Patoloji Derg, vol. 36, no. 2, pp. 135-141, 2020. Comparison of the Diagnostic Utility of Manual Screening and the ThinPrep Imaging System in Liquid-Based Cervical Cytology.

[29] A. W. Levi, D. C. Chhieng, K. Schofield, D. Kowalski, and M. Harigopal, "Implementation of FocalPoint GS location-guided imaging system: experience in a clinical setting," (in eng), Cancer Cytopathol, vol. 120, no. 2, pp. 126-33, Apr 25 2012.

[30] T. J. Colgan et al., "A validation study of the FocalPoint GS imaging system for gynecologic cytology screening," Cancer Cytopathol, vol. 121, no. 4, pp. 189-96, Apr 2013.

[31] A. Delga, F. Goffin, F. Kridelka, R. Marée, C. Lambert, and P. Delvenne, "Evaluation of CellSolutions BestPrep® automated thin-layer liquid-based cytology Papanicolaou slide preparation and BestCyte® cell sorter imaging system," (in eng), Acta Cytol, vol. 58, no. 5, pp. 469-77, 2014.

DOI: https://doi.org/10.34238/tnu-jst.4872

Các bài báo tham chiếu

Hiện tại không có bài báo tham chiếu



Ghi nhớ