《表2 基于暗规则的机器学习算法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《人工智能技术在宫颈细胞筛查中的应用进展和挑战》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

基于暗规则的算法，是指不进行具体的规则设定，而是通过分类标注学习，AI技术自行归纳出算法规则。算法需要在单细胞或单图像上进行标注，将分类数据传输进算法模型，进行多层的自动化分类。不同分类之间差异性越大，交叉与混淆数据越少，则分类的效果越好。足够大的图像数据训练集，合适的各分类数据比例，可得到较为满意的分类结果。而事实上，在实际病理图像中，多分类之间的数据特征差异性较小，并存在多特征交叉重叠情况。基于暗规则的深度学习方法，虽然避免了基于病理知识图谱的规则设定，降低了计算机专家撰写规则的复杂性，但面临着标注数据量大，一致性与规范性以及算法的不可解释性等问题。若出现偶然性失控局面，医生与AI工程师很难在第一时间找出错误的根源，因此修正手段也不能保证可以直接修正错误本身，可能带来一定的诊断误差或者错误风险。基于深度学习的算法主要使用卷积神经网络（convolutional neural network，CNN），以及在其基础上发展出来的算法，例如区域神经网络（region-CNN或R-CNN）、基于区域的全卷积神经网络（region-based fully convolutional networks，R-FCN）、Single Shot MultiBox Detector（SSD算法）等[6]，见表2。