論文の概要: Cervical Cancer Detection Using Multi-Branch Deep Learning Model
- arxiv url: http://arxiv.org/abs/2408.10498v1
- Date: Tue, 20 Aug 2024 02:44:48 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-21 15:24:37.139887
- Title: Cervical Cancer Detection Using Multi-Branch Deep Learning Model
- Title（参考訳）: マルチブランチディープラーニングモデルを用いた頸部癌検出
- Authors: Tatsuhiro Baba, Abu Saleh Musa Miah, Jungpil Shin, Md. Al Mehedi Hasan,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.6249768559720121
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Cervical cancer is a crucial global health concern for women, and the persistent infection of High-risk HPV mainly triggers this remains a global health challenge, with young women diagnosis rates soaring from 10\% to 40\% over three decades. While Pap smear screening is a prevalent diagnostic method, visual image analysis can be lengthy and often leads to mistakes. Early detection of the disease can contribute significantly to improving patient outcomes. In recent decades, many researchers have employed machine learning techniques that achieved promise in cervical cancer detection processes based on medical images. In recent years, many researchers have employed various deep-learning techniques to achieve high-performance accuracy in detecting cervical cancer but are still facing various challenges. This research proposes an innovative and novel approach to automate cervical cancer image classification using Multi-Head Self-Attention (MHSA) and convolutional neural networks (CNNs). The proposed method leverages the strengths of both MHSA mechanisms and CNN to effectively capture both local and global features within cervical images in two streams. MHSA facilitates the model's ability to focus on relevant regions of interest, while CNN extracts hierarchical features that contribute to accurate classification. Finally, we combined the two stream features and fed them into the classification module to refine the feature and the classification. To evaluate the performance of the proposed approach, we used the SIPaKMeD dataset, which classifies cervical cells into five categories. Our model achieved a remarkable accuracy of 98.522\%. This performance has high recognition accuracy of medical image classification and holds promise for its applicability in other medical image recognition tasks.
- Abstract（参考訳）: 子宮頸癌は女性にとって重要な世界的な健康上の問題であり、高リスクHPVの持続的な感染は、これは主に世界的な健康上の課題であり、30年間で若い女性の診断率は10%から40%に上昇した。
Pap smear スクリーニングは一般的な診断法であるが、画像解析は長大であり、しばしば誤りにつながる。
この疾患の早期発見は、患者の予後改善に大きく貢献する。
近年、多くの研究者が、医療画像に基づく子宮頸がん検出プロセスにおいて約束を達成した機械学習技術を採用してきた。
近年,多くの研究者が子宮頸癌検出の精度向上のために様々なディープラーニング技術を採用しているが,依然として様々な課題に直面している。
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) を用いた頚部癌画像の自動分類手法を提案する。
提案手法は,MHSA機構とCNNの長所を利用して,頚部画像の局所的特徴と大域的特徴を2つのストリームで効果的に捉える。
MHSAはモデルが関心のある領域にフォーカスする能力を促進する一方、CNNは正確な分類に寄与する階層的な特徴を抽出する。
最後に、2つのストリーム機能を組み合わせて分類モジュールに入力し、特徴と分類を洗練させました。
提案手法の性能を評価するために, 頚椎細胞を5つのカテゴリに分類したSIPaKMeDデータセットを用いた。
我々のモデルは98.522\%という驚くべき精度を達成した。
この性能は、医用画像分類の精度が高く、他の医用画像認識タスクに適用可能であることを約束する。
関連論文リスト
- CerviXpert: A Multi-Structural Convolutional Neural Network for Predicting Cervix Type and Cervical Cell Abnormalities [0.05869347864780635]
頸部癌を同定する多構造畳み込みニューラルネットワークCerviXpertを提案する。
頸部がんは世界中で何百万もの女性に影響を与えており、早期に診断された場合、生存率は著しく高い。
論文 参考訳（メタデータ） (2024-09-10T05:08:26Z) - 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) - 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) - 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) - Breast Cancer Detection and Diagnosis: A comparative study of
state-of-the-arts deep learning architectures [3.883460584034766]
南アフリカなど世界3カ国の乳がん患者の生存率は驚くほど低い。
医療専門家や研究者は、エンドツーエンドソリューションを開発するために、ドメイン固有のAIアプローチ、特にディープラーニングモデルに目を向けている。
本研究では、ビジョントランスフォーマー(ViT)と呼ばれる比較的新しいモデルと比較して、様々な最先端畳み込みニューラルネットワーク(CNN)アーキテクチャの性能を評価することに焦点を当てる。
論文 参考訳（メタデータ） (2023-05-31T15:21:34Z) - Recent trends and analysis of Generative Adversarial Networks in
Cervical Cancer Imaging [0.0]
子宮頸癌は女性の全がんの6-29%を占める。
この疾患の早期発見は、患者の治療と生存率の向上に役立つ。
Generative Adversarial Networks (GANs) は、子宮頸癌のスクリーニング、検出、分類において速度に追いついている。
論文 参考訳（メタデータ） (2022-09-23T05:45:40Z) - 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) - EMT-NET: Efficient multitask network for computer-aided diagnosis of
breast cancer [58.720142291102135]
乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。
腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。
腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
論文 参考訳（メタデータ） (2022-01-13T05:24:40Z) - Wide & Deep neural network model for patch aggregation in CNN-based
prostate cancer detection systems [51.19354417900591]
前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。
自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。
パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
論文 参考訳（メタデータ） (2021-05-20T18:13:58Z) - Identification of Cervical Pathology using Adversarial Neural Networks [8.364276127015255]
子宮頸癌は、インドや他の低所得国や中所得国の女性のがん関連死亡の主な原因である。
我々は、SegNetに似たアーキテクチャを持つ畳み込みオートエンコーダベースのフレームワークを提案する。
提案手法は、ImageNetデータベース上で事前トレーニングされた微調整畳み込みニューラルネットワークを73.75%の平均精度で高速化する。
論文 参考訳（メタデータ） (2020-04-28T10:22:16Z) - Spatio-spectral deep learning methods for in-vivo hyperspectral
laryngeal cancer detection [49.32653090178743]
頭頸部腫瘍の早期発見は患者の生存に不可欠である。
ハイパースペクトルイメージング(HSI)は頭頸部腫瘍の非侵襲的検出に用いられる。
HSIに基づく喉頭癌診断のための複数の深層学習手法を提案する。
論文 参考訳（メタデータ） (2020-04-21T17:07:18Z)
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。