（一）文献基本信息
题目：AnObservationalStudyofDeepLearningandAutomatedEvaluationofCervicalImagesforCancerScreening
作者：LimingHu;et.al
单位：NationalCancerInstitute
发表时间：-09-01
期刊名称：JNatlCancerInst
影响因子与分区：11.(Q1)
（二）核心亮点
(1)UsingadeeplearningapproachcalledFasterR-CNNwithextensiveimageaugmentationbasedonapretrainedmodel,animageanalyzerthatperformsautomatedvisualevaluationofthecervixwastrainedandvalidated.
使用一种称为FasterR-CNN的深度学习方法，并基于预训练的模型进行了广泛的图像增强，对执行自动子宫颈视觉评估的图像分析仪进行了训练和验证。
(2)Asaprimaryscreeningmethod,thealgorithm,trainedusingdigitizedcervigramsfromtheGuanacasteCohort,achievedexcellentsensitivityfordetectionofCIN2tintheagegroupathighestriskofprecancers.
作为一种主要的筛查方法，在癌症前期最高风险年龄组中对CIN2t的检测达到了卓越的敏感性。
(3)Theperformancesurpassedcolposcopistevaluatorinterpretationsofthesameimages(cervicography)and