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/2409.06220v2
• Date: Mon, 18 Nov 2024 05:00:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-19 14:30:14.646008
• 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: 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。
• 参考スコア（独自算出の注目度）: 0.05869347864780635
• License:
• Abstract: Cervical cancer is a major cause of cancer-related mortality among women worldwide, and its survival rate improves significantly with early detection. Traditional diagnostic methods such as Pap smears and cervical biopsies rely heavily on cytologist expertise, making the process prone to human error. This study introduces CerviXpert, a multi-structural convolutional neural network model designed to efficiently classify cervix types and detect cervical cell abnormalities. CerviXpert is built as a computationally efficient model that classifies cervical cancer using images from the publicly available SiPaKMeD dataset. The model architecture emphasizes simplicity, using a limited number of convolutional layers followed by max pooling and dense layers, trained from scratch. We assessed the performance of CerviXpert against other state of the art convolutional neural network models including ResNet50, VGG16, MobileNetV2, and InceptionV3, evaluating them on accuracy, computational efficiency, and robustness using five fold cross validation. CerviXpert achieved an accuracy of 98.04 percent in classifying cervical cell abnormalities into three classes and 98.60 percent for five class cervix type classification, outperforming MobileNetV2 and InceptionV3 in both accuracy and computational requirements. It showed comparable results to ResNet50 and VGG16 while reducing computational complexity and resource needs. CerviXpert provides an effective solution for cervical cancer screening and diagnosis, balancing accuracy with computational efficiency. Its streamlined design enables deployment in resource constrained environments, potentially enhancing early detection and management of cervical cancer.
• Abstract（参考訳）: 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り、その生存率は早期発見とともに著しく改善する。 パパ・スミアやネック・バイオプシー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おり、そのプロセスは人間のミスに陥りやすい。 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。 CerviXpertは、一般に公開されているSiPaKMeDデータセットのイメージを使用して、頸部がんを分類する計算効率の良いモデルとして構築されている。 モデルアーキテクチャは単純さを強調し、限られた数の畳み込み層を使用し、その後に最大プールと高密度層をスクラッチからトレーニングする。 我々は、ResNet50、VGG16、MobileNetV2、InceptionV3を含む最先端の畳み込みニューラルネットワークモデルに対するCerviXpertの性能を評価し、5倍のクロスバリデーションを用いた精度、計算効率、堅牢性を評価した。 CerviXpertは、頸部細胞異常を3つのクラスに分類し、98.60%を5つのクラスに分類し、MobileNetV2とInceptionV3を精度と計算上の要求の両方で上回った。 ResNet50とVGG16に匹敵する結果を示し、計算複雑性とリソースニーズを低減した。 CerviXpertは頸部がんのスクリーニングと診断に有効なソリューションを提供し、精度と計算効率のバランスをとる。 その合理化設計により、資源に制約のある環境への展開が可能となり、頸部がんの早期発見と管理が促進される可能性がある。

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)
• 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)
• 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)
• 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)
• CVM-Cervix: A Hybrid Cervical Pap-Smear Image Classification Framework Using CNN, Visual Transformer and Multilayer Perceptron [34.179030555958654]
  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。
  論文  参考訳（メタデータ） (2022-06-02T10:16:07Z)
• 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。