郭城，辛仲宏，王敏哲，郑悠，雷军强*

1.兰州大学第一临床医学院，甘肃 兰州 730000；2.兰州大学第一医院放射科，甘肃 兰州 730000；*通信作者 雷军强 leijq1990＠163.com

宫颈癌是女性常见的恶性肿瘤，其发病率和死亡率居女性恶性肿瘤第四位[1]，且近年发病呈明显年轻化趋势，因此，早发现、早诊断、早治疗对改善预后尤为重要。目前，影像学检查、临床及实验室检查等已广泛应用于宫颈癌的筛查和诊断，但在准确预测疾病进展及提示预后方面存在一定的局限性。随着深度学习和影像组学的迅速发展，其在评估宫颈癌病程及预后方面较传统检查方法优势明显，成为目前的研究热点。本文对深度学习及影像组学在宫颈癌影像中的应用及研究进展进行综述。

1 深度学习和影像组学概述

深度学习作为人工智能领域的分支，主要通过多层神经网络上运用各种机器学习算法学习样本数据的内在规律和表示层次，从而实现各种任务的算法集合[2]。深度学习在医学影像中已应用于图像分类、分割、配准、目标检索、生成重建及客观评价图像质量等[3]，其模型种类多，目前卷积神经网络（convolutional neural network，CNN）应用最为广泛[4]。

影像组学的概念由Gillies等[5]于2010年首次提出；Lambin等[6]于2012年进一步完善，并将其定义为从放射图像中使用高通量的手段提取图像特征，并自动化将感兴趣区（ROI）内的图像特征转化为高保真数字化数据，进而实现图像特征的提取与模型建立。提取的纹理特征可以作为潜在基因表达模式以及相关生物肿瘤特征（如肿瘤形态和肿瘤内异质性）的替代标志[7]。……