論文の概要: Improved and Explainable Cervical Cancer Classification using Ensemble Pooling of Block Fused Descriptors

• arxiv url: http://arxiv.org/abs/2405.01600v2
• Date: Tue, 24 Jun 2025 08:04:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-25 19:48:23.216627
• Title: Improved and Explainable Cervical Cancer Classification using Ensemble Pooling of Block Fused Descriptors
• Title（参考訳）: ブロック融合ディスクリプタのアンサンブルプール化による頸部癌分類の改善
• Authors: Saurabh Saini, Kapil Ahuja, Akshat S. Chauhan,
• Abstract要約: 以前の研究では、ResNetsが子宮頸癌の画像から特徴を抽出していることが示されている。 我々は,Global Max Poolingの新機能選択手法を詳細機能に使用し,Global Average Poolingを抽象機能に使用した。 IARCとAnnoCervの2つの公開データセットで徹底的に実験を行い、平均的なパフォーマンスは97.92%と92.97%である。
• 参考スコア（独自算出の注目度）: 1.024113475677323
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cervical cancer is the second most common cancer in women and causes high death rates. Earlier models for detecting cervical cancer had limited success. In this work, we propose new models that substantially outperform previous models. Previous studies show that pretrained ResNets extract features from cervical cancer images well. Hence, our first model involves working with three ResNets (50, 101, 152). All the existing works use only the last convolution block of their respective ResNet, which captures abstract features (e.g., shapes, objects). However, we believe that detailed features (e.g., color, edges, texture), coming from earlier convolution blocks, are equally important for cancer (specifically cervical cancer) classification. Since now the number of features become large, we use a novel feature selection technique of Global Max Pooling for detailed features and Global Average Pooling for abstract features. Hence, our second model consists of the resulting Cascaded Block Fused variants of the three ResNets. To improve the performance further, we combine and normalize the features of the three standard ResNets as well as our proposed three Cascaded Block Fused ResNets. This type of combination is also new in cancer classification domain (also in cervical cancer), and results in our third and fourth models, respectively. We use a linear SVM for classification. We exhaustively perform experiments on two public datasets, IARC and AnnoCerv, achieving an average performance of 97.92% and 92.97% surpassing standard ResNets performance of 90.89% and 87.97%, respectively. We outperform the competitive approach available on IARC dataset with an average gain of 13.20%, while no prior competitive work available on AnnoCerv. Additionally, we introduce a novel SHAP+LIME explainability method, accurately identifying the cancerous region in 97% of cases.
• Abstract（参考訳）: 頸部がんは女性で2番目に多いがんであり、死亡率が高い。 初期の子宮頸癌検出モデルは成功しなかった。 本研究では,従来のモデルより大幅に優れている新しいモデルを提案する。 以前の研究では、ResNetsが子宮頸癌の画像から特徴を抽出していることが示されている。 したがって、最初のモデルでは、3つのResNet(50, 101, 152)で作業します。 既存の作業はすべてResNetの最後の畳み込みブロックのみを使用しており、抽象的な特徴(例、形状、オブジェクト)をキャプチャする。 しかし, より詳細な特徴(例えば, 色, 縁, テクスチャ)は, 癌(特に頸部がん)の分類においても同様に重要であると考えられた。 この機能の数が増えた今、詳細機能にはGlobal Max Poolingの新機能選択技術、抽象機能にはGlobal Average Poolingを使用します。 したがって、我々の第2モデルは、3つのResNetのCascaded Block Fused変異体で構成されている。 さらに性能を向上させるために,提案した3つの標準ResNetと3つのCascaded Block Fused ResNetの機能の組み合わせと正規化を行った。 このタイプの組み合わせは、癌分類領域(子宮頸癌も含む)でも新しく、それぞれ第3モデルと第4モデルが得られます。 分類には線形SVMを用いる。 IARCとAnnoCervの2つの公開データセットに対する実験を徹底的に実施し、それぞれ97.92%、92.97%が標準ResNetsのパフォーマンスを90.89%、87.97%を上回った。 私たちは、平均的な13.20%のアップで、IARCデータセットで利用可能な競争的アプローチよりも優れていますが、AnnoCervで利用可能な事前の競争的作業はありません。 さらに,97%の症例において,癌領域を正確に同定する新しいSHAP+LIME法を提案する。

関連論文リスト

• Crane: Context-Guided Prompt Learning and Attention Refinement for Zero-Shot Anomaly Detections [50.343419243749054]
  異常検出(AD)は、通常のデータ分布から逸脱を識別する。 本稿では,視覚エンコーダから抽出した画像コンテキストに基づいて,テキストエンコーダのプロンプトを条件付ける手法を提案する。 提案手法は,14のデータセットにおいて,各メトリクスに対して2%から29%の性能向上を実現している。
  論文  参考訳（メタデータ） (2025-04-15T10:42:25Z)
• Integrating Deep Feature Extraction and Hybrid ResNet-DenseNet Model for Multi-Class Abnormality Detection in Endoscopic Images [0.9374652839580183]
  本研究の目的は、血管拡張症、出血、潰瘍を含む10種類のGI異常分類の同定を自動化することである。 提案したモデルは、よく構造化されたデータセットで全体の94%の精度を達成する。
  論文  参考訳（メタデータ） (2024-10-24T06:10:31Z)
• Towards a Benchmark for Colorectal Cancer Segmentation in Endorectal Ultrasound Videos: Dataset and Model Development [59.74920439478643]
  本稿では,多様なERUSシナリオをカバーする最初のベンチマークデータセットを収集し,注釈付けする。 ERUS-10Kデータセットは77の動画と10,000の高解像度アノテートフレームで構成されています。 本稿では,ASTR (Adaptive Sparse-context TRansformer) という大腸癌セグメンテーションのベンチマークモデルを提案する。
  論文  参考訳（メタデータ） (2024-08-19T15:04:42Z)
• Shape Matters: Detecting Vertebral Fractures Using Differentiable Point-Based Shape Decoding [51.38395069380457]
  変性性脊椎疾患は高齢者に多い。 骨粗しょう性骨折やその他の変性変形性骨折のタイムリーな診断は、重度の腰痛や障害のリスクを軽減するための前向きな処置を促進する。 本研究では,脊椎動物に対する形状自動エンコーダの使用について検討する。
  論文  参考訳（メタデータ） (2023-12-08T18:11:22Z)
• Interpretable pap smear cell representation for cervical cancer screening [3.8656297418166305]
  変分オートエンコーダを用いた1クラス分類に基づいて, 乳頭スミア画像の深部頸部細胞表現を学習する手法を提案する。 我々のモデルは、深層モデルの付加的な訓練を必要とせずに、異常を識別することができる。
  論文  参考訳（メタデータ） (2023-11-17T01:29:16Z)
• Multi-task Explainable Skin Lesion Classification [54.76511683427566]
  少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。 提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
  論文  参考訳（メタデータ） (2023-10-11T05:49:47Z)
• Automatic diagnosis of knee osteoarthritis severity using Swin transformer [55.01037422579516]
  変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。 我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
  論文  参考訳（メタデータ） (2023-07-10T09:49:30Z)
• Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
  そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。 我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。 この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
  論文  参考訳（メタデータ） (2023-02-16T17:06:23Z)
• Cross-Site Severity Assessment of COVID-19 from CT Images via Domain Adaptation [64.59521853145368]
  CT画像によるコロナウイルス病2019(COVID-19)の早期かつ正確な重症度評価は,集中治療単位のイベント推定に有効である。 ラベル付きデータを拡張し、分類モデルの一般化能力を向上させるためには、複数のサイトからデータを集約する必要がある。 この課題は、軽度の感染症と重度の感染症の集団不均衡、部位間のドメイン分布の相違、不均一な特徴の存在など、いくつかの課題に直面する。
  論文  参考訳（メタデータ） (2021-09-08T07:56:51Z)
• 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)
• Feature based Sequential Classifier with Attention Mechanism [0.7123982871971924]
  病理組織学的スライスを用いた骨盤内上皮内腫瘍評価は, 骨盤間変動が考慮される。 本稿では,高分解能上皮像を階層的に解析するネットワークパイプラインであるDeepCINを提案する。 実験により、DeepCINは病理学レベルのCIN分類精度を達成することが示された。
  論文  参考訳（メタデータ） (2020-07-22T12:54:30Z)
• Semi-Supervised Cervical Dysplasia Classification With Learnable Graph Convolutional Network [25.685255609487623]
  デジタル頸椎造影は一次検診や補助検診ツールとして大きな可能性を秘めている。 従来の完全教師付きトレーニングでは、大量の注釈付きデータが必要である。 本稿では,新しいグラフ畳み込みネットワーク(GCN)に基づく半教師付き分類モデルを提案する。
  論文  参考訳（メタデータ） (2020-04-01T01:53:26Z)

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。