論文の概要: CVM-Cervix: A Hybrid Cervical Pap-Smear Image Classification Framework Using CNN, Visual Transformer and Multilayer Perceptron

• arxiv url: http://arxiv.org/abs/2206.00971v1
• Date: Thu, 2 Jun 2022 10:16:07 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-03 14:36:22.986698
• Title: CVM-Cervix: A Hybrid Cervical Pap-Smear Image Classification Framework Using CNN, Visual Transformer and Multilayer Perceptron
• Title（参考訳）: CVM-Cervix: CNN、Visual Transformer、Multilayer Perceptronを用いたハイブリッドCervical Pap-Smear画像分類フレームワーク
• Authors: Wanli Liu, Chen Li, Ning Xu, Tao Jiang, Md Mamunur Rahaman, Hongzan Sun, Xiangchen Wu, Weiming Hu, Haoyuan Chen, Changhao Sun, Yudong Yao, Marcin Grzegorzek
• Abstract要約: 本稿では, 深層学習に基づくCVM-Cervixというフレームワークを提案する。 パップスライドを迅速かつ正確に分析することができる。
• 参考スコア（独自算出の注目度）: 34.179030555958654
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cervical cancer is the seventh most common cancer among all the cancers worldwide and the fourth most common cancer among women. Cervical cytopathology image classification is an important method to diagnose cervical cancer. Manual screening of cytopathology images is time-consuming and error-prone. The emergence of the automatic computer-aided diagnosis system solves this problem. This paper proposes a framework called CVM-Cervix based on deep learning to perform cervical cell classification tasks. It can analyze pap slides quickly and accurately. CVM-Cervix first proposes a Convolutional Neural Network module and a Visual Transformer module for local and global feature extraction respectively, then a Multilayer Perceptron module is designed to fuse the local and global features for the final classification. Experimental results show the effectiveness and potential of the proposed CVM-Cervix in the field of cervical Pap smear image classification. In addition, according to the practical needs of clinical work, we perform a lightweight post-processing to compress the model.
• Abstract（参考訳）: 子宮頸癌は世界で7番目に多いがんであり、女性では4番目に多いがんである。 頸部細胞病理画像分類は子宮頸癌診断の重要な方法である。 細胞病理画像の手動スクリーニングは時間がかかり、エラーが発生しやすい。 自動コンピュータ支援診断システムの出現はこの問題を解決する。 本稿では, 深層学習に基づくCVM-Cervixというフレームワークを提案する。 papスライドを迅速かつ正確に解析することができる。 CVM-Cervixはまず、局所的特徴抽出のための畳み込みニューラルネットワークモジュールとVisual Transformerモジュールを提案し、次に、最終分類のための局所的特徴と大域的特徴を融合する多層パーセプトロンモジュールを設計する。 頚部パップスメア画像分類における提案する cvm-cervix の有効性と可能性について検討した。 また, 臨床作業の実用的ニーズに応じて, 軽量な後処理を行い, モデル圧縮を行う。

関連論文リスト

• Comparative Analysis of Machine Learning and Deep Learning Models for Classifying Squamous Epithelial Cells of the Cervix [0.7119794757408745]
  現在のPapスミア分析法は、手動、時間的、労働集約的で、人的ミスの危険性が高い。 本研究では,パパスミア画像中の細胞を表層中間体,傍基底細胞,コア細胞,ジスケラトシス,メタ可塑性の5つのカテゴリに分類することを目的とした。 この分類には、Gradient Boosting、Random Forest、Support Vector Machine、k-Nearest Neighborといった機械学習アルゴリズムが使用されている。
  論文  参考訳（メタデータ） (2024-11-20T18:37:01Z)
• CerviXpert: A Multi-Structural Convolutional Neural Network for Predicting Cervix Type and Cervical Cell Abnormalities [0.05869347864780635]
  子宮頸癌は、世界中の女性のがん関連死亡の主な原因である。 パパ・スミアや頚椎生検のような伝統的な診断法は、細胞学の専門知識に大きく依存している。 本研究では,CerviXpertについて紹介する。CerviXpertは,頚椎型を効率よく分類し,頸部細胞異常を検出するように設計された多構造畳み込みニューラルネットワークモデルである。
  論文  参考訳（メタデータ） (2024-09-10T05:08:26Z)
• Cervical Cancer Detection Using Multi-Branch Deep Learning Model [0.6249768559720121]
  本研究では,MHSA (Multi-Head Self-Attention) と畳み込みニューラルネットワーク (CNN) を用いた頚部癌の画像分類の自動化手法を提案する。 我々のモデルは98.522%の顕著な精度を達成し、他の医療画像認識タスクに適用可能であることを約束している。
  論文  参考訳（メタデータ） (2024-08-20T02:44:48Z)
• A Voting-Stacking Ensemble of Inception Networks for Cervical Cytology Classification [10.61705267657852]
  子宮頸癌は女性の健康を脅かす最も深刻な疾患の1つである。 本稿では,3つのインセプションネットワークをベースラーナーとして利用し,投票アンサンブルを通じてその出力を統合する投票-乗算アンサンブル戦略を提案する。 実験結果は、現在の最先端(SOTA)法よりも優れており、スクリーニングの負荷を減らし、病理学者が子宮頸がんを検出するのに役立つ可能性を示している。
  論文  参考訳（メタデータ） (2023-08-05T03:21:12Z)
• CerviFormer: A Pap-smear based cervical cancer classification method using cross attention and latent transformer [0.1529342790344802]
  そこで本研究では, 頚部癌に対する経気道的アプローチを用いて, 頚部癌を診断する手法を提案する。 このモデルはクロスアテンション技術を用いて、入力データをコンパクトな潜在トランスフォーマーモジュールに繰り返し統合する。 提案手法は,乳頭部画像における頸部癌検出のための包括的分類モデルを提供する。
  論文  参考訳（メタデータ） (2023-03-17T19:34:54Z)
• A Pathologist-Informed Workflow for Classification of Prostate Glands in Histopathology [62.997667081978825]
  病理学者は、ガラススライド上の針生検の組織を調べて前立腺がんを診断し、診断する。 がんの重症度と転移リスクは、前立腺の組織と形態に基づくスコアであるGleason gradeによって決定される。 本稿では,病理学者のtextitmodus operandi に従って,個々の腺のマルチスケールパッチを分離・分類する自動ワークフローを提案する。
  論文  参考訳（メタデータ） (2022-09-27T14:08:19Z)
• Multi-Scale Hybrid Vision Transformer for Learning Gastric Histology: AI-Based Decision Support System for Gastric Cancer Treatment [50.89811515036067]
  胃内視鏡検査は、早期に適切な胃癌(GC)治療を判定し、GC関連死亡率を低下させる有効な方法である。 本稿では,一般のGC治療指導と直接一致する5つのGC病理のサブ分類を可能にする実用的なAIシステムを提案する。
  論文  参考訳（メタデータ） (2022-02-17T08:33:52Z)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)
• In-Line Image Transformations for Imbalanced, Multiclass Computer Vision Classification of Lung Chest X-Rays [91.3755431537592]
  本研究は、COVID-19 LCXRデータ不足のバランスをとるために画像変換を適用するために、文献の体系を活用することを目的としている。 convolutional neural networks(cnns)のようなディープラーニング技術は、健康状態と疾患状態を区別する特徴を選択することができる。 本研究は,CNNアーキテクチャを用いて高速多クラスLCXR分類を94%精度で行う。
  論文  参考訳（メタデータ） (2021-04-06T02:01:43Z)
• Gleason Grading of Histology Prostate Images through Semantic Segmentation via Residual U-Net [60.145440290349796]
  前立腺癌の最終診断は、病理学者による前立腺生検におけるGleasonパターンの視覚的検出に基づいている。 コンピュータ支援診断システムは、組織内のがんのパターンを分類し分類することができる。 この研究の方法論的核心は、がん組織を分節できる残留ブロックで修正された画像分割のためのU-Net畳み込みニューラルネットワークである。
  論文  参考訳（メタデータ） (2020-05-22T19:49:10Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。