Fugu-MT 論文翻訳(概要): CerviXpert: A Multi-Structural Convolutional Neural Network for Predicting Cervix Type and Cervical Cell Abnormalities

論文の概要: CerviXpert: A Multi-Structural Convolutional Neural Network for Predicting Cervix Type and Cervical Cell Abnormalities

arxiv url: http://arxiv.org/abs/2409.06220v1
Date: Tue, 10 Sep 2024 05:08:26 GMT
ステータス: 処理完了
システム内更新日: 2024-09-11 19:00:01.270000
Title: CerviXpert: A Multi-Structural Convolutional Neural Network for Predicting Cervix Type and Cervical Cell Abnormalities
Title（参考訳）: CerviXpert:Cervix型とCervical Cell異常を予測する多構造畳み込みニューラルネットワーク
Authors: Rashik Shahriar Akash, Radiful Islam, S. M. Saiful Islam Badhon, K. S. M. Tozammel Hossain,
Abstract要約: 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。
参考スコア（独自算出の注目度）: 0.05869347864780635
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Cervical cancer affects millions of women worldwide and has a significantly higher survival rate when diagnosed early. Pap smears and cervical biopsies are vital screening tools for detecting such cancer. However, the success of these screening processes depends on the skills of cytologists. A recent trend in diagnostic cytology is to apply machine-learning-based models to classify cancer using cell images. These automated models have been shown to perform just as well as, or even better than, expert cytologists. Some notable methods for classifying cervix cancers include ResNet50, VGG16, MobileNetV2, and InceptionV3, based on deep convolutional neural networks (CNN). However, these methods are computationally expensive. We present CerviXpert, a multi-structural Convolutional Neural Network, to identify cervix cancer. We perform extensive experiments on a publicly available dataset, SiPaKMeD, to show the efficacy of our method. CerviXpert presents a promising solution for efficient cervical cancer screening and diagnosis by striking a balance between accuracy and practical feasibility.
Abstract（参考訳）: 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。乳腺腫や頸部生検は、そのようながんを検出するための重要なスクリーニングツールである。しかし、これらのスクリーニングプロセスの成功は細胞学者のスキルに依存している。診断細胞診の最近の傾向は、細胞画像を用いて癌を分類するために機械学習に基づくモデルを適用することである。これらの自動化されたモデルは、専門家の細胞学者と同じくらい、あるいはそれ以上に機能することが示されている。 ResNet50、VGG16、MobileNetV2、InceptionV3は深層畳み込みニューラルネットワーク(CNN)に基づいている。しかし、これらの手法は計算コストが高い。本稿では,多構造畳み込みニューラルネットワークであるCerviXpertを紹介し,頸部癌を同定する。提案手法の有効性を示すために,公開データセットであるSiPaKMeDについて広範な実験を行った。 CerviXpertは、精度と実用性の間のバランスを打つことにより、効率的な頸部がん検診と診断のための有望なソリューションを提供する。

関連論文リスト

Brain Tumor Classification on MRI in Light of Molecular Markers [61.77272414423481]
1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
論文参考訳（メタデータ） (2024-09-29T07:04:26Z)
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)
Classification of Prostate Cancer in 3D Magnetic Resonance Imaging Data based on Convolutional Neural Networks [0.0]
前立腺癌は、世界中の男性の間で一般的に診断されるがん性疾患である。 CNNは、MRIシークエンスに悪性病変が含まれているかどうかを確実に分類する能力に基づいて評価される。最高の結果はResNet3Dによって達成され、平均精度スコアは0.4583、AUC ROCスコアは0.6214となった。
論文参考訳（メタデータ） (2024-04-16T13:18:02Z)
The effect of data augmentation and 3D-CNN depth on Alzheimer's Disease detection [51.697248252191265]
この研究は、データハンドリング、実験設計、モデル評価に関するベストプラクティスを要約し、厳密に観察する。我々は、アルツハイマー病(AD)の検出に焦点を当て、医療における課題のパラダイム的な例として機能する。このフレームワークでは,3つの異なるデータ拡張戦略と5つの異なる3D CNNアーキテクチャを考慮し,予測15モデルを訓練する。
論文参考訳（メタデータ） (2023-09-13T10:40:41Z)
Prototypical Cross-domain Knowledge Transfer for Cervical Dysplasia Visual Inspection [37.66559952448587]
そこで本研究では,異なるが関連する臨床研究で収集されたクロスドメイン頚部画像を利用して,モデルの性能を向上させることを提案する。データセット間で伝達可能な情報を堅牢に学習するために,新しいプロトタイプベースの知識フィルタリング手法を提案する。提案法は,最先端の頚椎椎間板形成検査において,Top-1の精度が4.7%向上した。
論文参考訳（メタデータ） (2023-08-19T11:25:09Z)
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)
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)
Classification of COVID-19 in CT Scans using Multi-Source Transfer Learning [91.3755431537592]
我々は,従来のトランスファー学習の改良にマルチソース・トランスファー・ラーニングを応用して,CTスキャンによる新型コロナウイルスの分類を提案する。マルチソースファインチューニングアプローチでは、ImageNetで微調整されたベースラインモデルよりも優れています。我々の最高のパフォーマンスモデルは、0.893の精度と0.897のリコールスコアを達成でき、ベースラインのリコールスコアを9.3%上回った。
論文参考訳（メタデータ） (2020-09-22T11:53:06Z)
COVID-Net S: Towards computer-aided severity assessment via training and validation of deep neural networks for geographic extent and opacity extent scoring of chest X-rays for SARS-CoV-2 lung disease severity [58.23203766439791]
胸部X線(CXR)はSARS-CoV-2重症度を評価するためにしばしば用いられる。本研究では,深層学習システムを用いて,SARS-CoV-2肺疾患重症度に対するCXRのコンピュータ支援による評価の有効性を評価する。
論文参考訳（メタデータ） (2020-05-26T16:33:52Z)
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)
Automatic Detection of Coronavirus Disease (COVID-19) Using X-ray Images and Deep Convolutional Neural Networks [0.0]
中国発祥の新型コロナウイルス(COVID-19)は、他国に住む人々の間で急速に広まっている。新型コロナウイルス(COVID-19)検査キットは毎日増えているため、病院では限られている。 5つの事前訓練された畳み込みニューラルネットワークに基づくモデルが、胸部X線写真を用いた新型コロナウイルス感染者の検出のために提案されている。
論文参考訳（メタデータ） (2020-03-24T13:50:23Z)

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。