
-
生物通官微
陪你抓住生命科技
跳动的脉搏
综述:子宫内膜增生与子宫内膜癌智能诊断研究:诊断特征分类体系构建、数据集评估与工具分析
《BMC Women's Health》:Intelligent diagnosis for endometrial hyperplasia and endometrial cancer: a comprehensive survey and taxonomy
【字体: 大 中 小 】 时间:2026年10月09日 来源:BMC Women's Health 2.4
编辑推荐:
摘要背景子宫内膜增生(EH)和子宫内膜癌(EC)是常见的妇科疾病。本研究旨在调查EH和EC的智能化诊断研究,重点关注诊断特征的标准化分类、数据集的系统评估以及诊断工具的能力。方法我们遵循系统综述和Meta分析优先报告条目(PRISMA)指南进行了系统文献回顾,于2025年8月
子宫内膜增生(EH)和子宫内膜癌(EC)是常见的妇科疾病。本研究旨在调查EH和EC的智能化诊断研究,重点关注诊断特征的标准化分类、数据集的系统评估以及诊断工具的能力。
我们遵循系统综述和Meta分析优先报告条目(PRISMA)指南进行了系统文献回顾,于2025年8月8日检索了Web of Science、Scopus、PubMed、IEEE Xplore、ACM数字图书馆、DBLP和Google Scholar。此外,我们于2025年9月11日在GitHub上检索了灰色文献。最初从多个数据库中检索到1,096条记录。去除重复后,516条唯一记录进入标题和摘要筛选。经过全文评估,54篇科学文章和9个灰色文献工具被纳入本研究。基于我们检索到的研究中提到的诊断特征以及两位妇科医生的指导,我们开发了EH和EC诊断特征的综合分类体系。数据集从输入类型、规模、开放性、许可证、使用频率和特征覆盖率等维度进行了分析。EH和EC智能诊断工具的分析包括算法类型、技术、输入数据类型、性能评估指标、临床验证状态和可用性。
筛选516篇去重文章后,54篇科学文章被纳入。此外,通过灰色文献检索识别出9个灰色文献工具。基于54篇科学文章和9个灰色文献工具,我们构建了一个包含313个不同诊断特征的综合分类体系,这些特征被组织为9个类别和35个子类别,所有特征都标注了获取方法和难度级别。对54个数据集的分析揭示了显著的限制:开放性差(仅7个公开可用)、单模态图像数据占主导(占数据集的75.9%)以及特征覆盖不足(43.5%)。对63个智能诊断工具的评估表明,大多数缺乏严格的临床验证和多模态数据集成能力,这大大限制了其临床适用性。
提出的分类体系为EH和EC智能诊断中的特征选择、模型比较和工具评估提供了标准化框架。这些发现揭示了当前数据集和工具的关键差距,为开发更稳健、可解释和具有临床适用性的EH和EC智能诊断工具提供了明确方向。