論文の概要: CerviFormer: A Pap-smear based cervical cancer classification method
using cross attention and latent transformer
- arxiv url: http://arxiv.org/abs/2303.10222v1
- Date: Fri, 17 Mar 2023 19:34:54 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-21 20:43:25.354222
- Title: CerviFormer: A Pap-smear based cervical cancer classification method
using cross attention and latent transformer
- Title（参考訳）: cerviformer : cross attention と latent transformer を用いた pap-smear を用いた子宮頸癌分類法
- Authors: Bhaswati Singha Deo, Mayukha Pal, Prasanta K.Panigarhi, Asima Pradhan
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.1529342790344802
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Purpose: Cervical cancer is one of the primary causes of death in women. It
should be diagnosed early and treated according to the best medical advice, as
with other diseases, to ensure that its effects are as minimal as possible. Pap
smear images are one of the most constructive ways for identifying this type of
cancer. This study proposes a cross-attention-based Transfomer approach for the
reliable classification of cervical cancer in Pap smear images. Methods: In
this study, we propose the CerviFormer -- a model that depends on the
Transformers and thereby requires minimal architectural assumptions about the
size of the input data. The model uses a cross-attention technique to
repeatedly consolidate the input data into a compact latent Transformer module,
which enables it to manage very large-scale inputs. We evaluated our model on
two publicly available Pap smear datasets. Results: For 3-state classification
on the Sipakmed data, the model achieved an accuracy of 93.70%. For 2-state
classification on the Herlev data, the model achieved an accuracy of 94.57%.
Conclusion: Experimental results on two publicly accessible datasets
demonstrate that the proposed method achieves competitive results when compared
to contemporary approaches. The proposed method brings forth a comprehensive
classification model to detect cervical cancer in Pap smear images. This may
aid medical professionals in providing better cervical cancer treatment,
consequently, enhancing the overall effectiveness of the entire testing
process.
- Abstract（参考訳）: 目的: 子宮頸癌は女性の主要な死因の1つである。
早期に診断し、他の疾患と同様に最善の医療アドバイスに従って治療し、その効果を可能な限り最小にするべきである。
papスメア画像は、この種のがんを特定する最も建設的な方法の1つである。
本研究は,papスメア画像における子宮頸癌の信頼できる分類のためのクロス・アテンション・ベースのトランスフォマー・アプローチを提案する。
方法:本研究では,入力データのサイズに関するアーキテクチャ上の仮定を最小化するために,トランスフォーマに依存するモデルであるcerviformer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し、非常に大規模な入力を管理することができる。
我々は,papスメアデータセットを2つ公開して評価した。
結果: Sipakmedデータ上での3状態分類では、93.70%の精度を達成した。
Herlevデータに基づく2状態分類では、精度は94.57%に達した。
結論: 2つの公開データセットに対する実験結果から,提案手法が現代手法と比較して競争力のある結果が得られることを示した。
提案手法は,papスメア画像における子宮頸癌検出のための包括的分類モデルを提供する。
これにより、医療専門家がより優れた頸がん治療を提供し、その結果、テストプロセス全体の効果を高めることができる。
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) - 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) - Improving Breast Cancer Grade Prediction with Multiparametric MRI Created Using Optimized Synthetic Correlated Diffusion Imaging [71.91773485443125]
乳がん治療計画において、グレーディングは重要な役割を担っている。
現在の腫瘍グレード法では、患者から組織を抽出し、ストレス、不快感、医療費の上昇につながる。
本稿では,CDI$s$の最適化による乳癌の診断精度の向上について検討する。
論文 参考訳（メタデータ） (2024-05-13T15:48:26Z) - Cancer-Net PCa-Gen: Synthesis of Realistic Prostate Diffusion Weighted
Imaging Data via Anatomic-Conditional Controlled Latent Diffusion [68.45407109385306]
カナダでは、前立腺がんは男性でもっとも一般的ながんであり、2022年のこの人口統計では、新しいがん症例の20%を占めている。
拡散強調画像(DWI)データを用いた前立腺癌診断,予後,治療計画のためのディープニューラルネットワークの開発には大きな関心が寄せられている。
本研究では,解剖学的条件制御型潜伏拡散戦略の導入により,現実的な前立腺DWIデータを生成するための潜伏拡散の有効性について検討した。
論文 参考訳（メタデータ） (2023-11-30T15:11:03Z) - Cancer-Net BCa-S: Breast Cancer Grade Prediction using Volumetric Deep
Radiomic Features from Synthetic Correlated Diffusion Imaging [82.74877848011798]
乳がんの流行は成長を続けており、2023年には米国で約30万人の女性に影響を及ぼした。
金標準のScarff-Bloom-Richardson(SBR)グレードは、化学療法に対する患者の反応を一貫して示すことが示されている。
本稿では,合成相関拡散(CDI$s$)画像を用いた乳がん鑑定における深層学習の有効性について検討する。
論文 参考訳（メタデータ） (2023-04-12T15:08:34Z) - ViT-DeiT: An Ensemble Model for Breast Cancer Histopathological Images
Classification [0.0]
提案するアンサンブルモデルでは,乳がんの病理像を8つのクラスに分類する。
実験の結果、98.17%の精度、98.18%の精度、98.08%のリコール、98.12%のF1スコアが得られた。
論文 参考訳（メタデータ） (2022-11-01T21:10:00Z) - 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) - Federated Learning Enables Big Data for Rare Cancer Boundary Detection [98.5549882883963]
6大陸にわたる71の医療機関のデータを含む,これまでで最大のフェデレーテッドML研究の結果を報告する。
グリオ芽腫の稀な疾患に対する腫瘍境界自動検出装置を作製した。
当科では, 外科的に標的とした腫瘍の悪性度を高めるために, 33%の改善率を示し, 腫瘍全体に対する23%の改善率を示した。
論文 参考訳（メタデータ） (2022-04-22T17:27:00Z) - Deep Semi-supervised Metric Learning with Dual Alignment for Cervical
Cancer Cell Detection [49.78612417406883]
子宮頸癌細胞検出のための新しい半教師付き深度測定法を提案する。
私たちのモデルは、埋め込みメトリック空間を学習し、提案レベルとプロトタイプレベルの両方でセマンティック機能の二重アライメントを行います。
本研究は,240,860個の頸部細胞画像からなる半監督型頸部がん細胞検出のための大規模データセットを初めて構築した。
論文 参考訳（メタデータ） (2021-04-07T17:11:27Z) - DeepCervix: A Deep Learning-based Framework for the Classification of
Cervical Cells Using Hybrid Deep Feature Fusion Techniques [14.208643185430219]
女性の中で最も多い致死性癌の1つである頸部がんは、早期に再発性病変を検出するために、定期的な検診によって予防することができる。
手動スクリーニングの実践を改善するため, 機械学習(ML)と深層学習(DL)を用いたコンピュータ支援診断(CAD)システムを用いて, 頚部乳頭細胞の分類を行った。
本研究は, dlに基づくハイブリッド型深部機能融合(hdff)技術を提案し, 頸椎細胞を正確に分類する。
論文 参考訳（メタデータ） (2021-02-24T10:34:51Z) - Learning from Suspected Target: Bootstrapping Performance for Breast
Cancer Detection in Mammography [6.323318523772466]
対象領域の選択と訓練を行う新しいサンプリング手順とともに,新しいトップ可能性損失を導入する。
まず,提案手法をプライベートな高密度マンモグラフィーデータセット上で検証する。
以上の結果から,本手法は偽陽性率を大幅に低減し,質量型癌検出では0.25倍の特異性を示した。
論文 参考訳（メタデータ） (2020-03-01T09:04:24Z)
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。