論文の概要: New Insight in Cervical Cancer Diagnosis Using Convolution Neural Network Architecture

• arxiv url: http://arxiv.org/abs/2410.17735v1
• Date: Wed, 23 Oct 2024 10:11:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-24 13:56:37.470544
• Title: New Insight in Cervical Cancer Diagnosis Using Convolution Neural Network Architecture
• Title（参考訳）: 畳み込みニューラルネットワークを用いた頚部癌診断の新しい知見
• Authors: Ach. Khozaimi, Wayan Firdaus Mahmudy,
• Abstract要約: 畳み込みニューラルネットワーク(CNN)モデルにおける右の選択は、画像分類におけるCNNの成功の鍵となる。 本研究は, 頚部癌スミア画像の分類に, 勾配降下(SGD), RMSprop, Adam, AdaGrad, AdaDelta, Adamax, Nadamsを用いた。 実験結果から,すべてのCNNおよび最適化手法において,転送学習モデルの性能が向上することが結論された。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: The Pap smear is a screening method for early cervical cancer diagnosis. The selection of the right optimizer in the convolutional neural network (CNN) model is key to the success of the CNN in image classification, including the classification of cervical cancer Pap smear images. In this study, stochastic gradient descent (SGD), RMSprop, Adam, AdaGrad, AdaDelta, Adamax, and Nadam optimizers were used to classify cervical cancer Pap smear images from the SipakMed dataset. Resnet-18, Resnet-34, and VGG-16 are the CNN architectures used in this study, and each architecture uses a transfer-learning model. Based on the test results, we conclude that the transfer learning model performs better on all CNNs and optimization techniques and that in the transfer learning model, the optimization has little influence on the training of the model. Adamax, with accuracy values of 72.8% and 66.8%, had the best accuracy for the VGG-16 and Resnet-18 architectures, respectively. Resnet-34 had 54.0%. This is 0.034% lower than Nadam. Overall, Adamax is a suitable optimizer for CNN in cervical cancer classification on Resnet-18, Resnet-34, and VGG-16 architectures. This study provides new insights into the configuration of CNN models for Pap smear image analysis.
• Abstract（参考訳）: Pap smearは早期頸部癌診断のスクリーニング方法である。 畳み込みニューラルネットワーク(CNN)モデルにおける右オプティマイザの選択は、頸部がんのPopスミア画像の分類を含む画像分類におけるCNNの成功の鍵となる。 本研究では,SGD,RMSprop,Adam,AdaGrad,AdaDelta,Adamax,Nadamオプティマイザを用いて,SipakMedデータセットからのPapスミア画像の分類を行った。 Resnet-18、Resnet-34、VGG-16はCNNアーキテクチャであり、各アーキテクチャはトランスファーラーニングモデルを使用する。 実験結果から, 転送学習モデルはCNNと最適化手法のすべてにおいて優れた性能を示し, 転送学習モデルでは, モデルの訓練にはほとんど影響を与えないことがわかった。 精度72.8%と66.8%のAdamaxは、それぞれVGG-16とResnet-18アーキテクチャで最高の精度を持っていた。 Resnet-34は54.0%だった。 これはナダムよりも0.034%低い。 全体として、Adamaxは、Resnet-18、Resnet-34、VGG-16アーキテクチャの頸がん分類におけるCNNの最適化に適している。 本研究は, パパ・スミア画像解析のためのCNNモデルの構成に関する新たな知見を提供する。

関連論文リスト

• MIC: Medical Image Classification Using Chest X-ray (COVID-19 and Pneumonia) Dataset with the Help of CNN and Customized CNN [0.0]
  本研究では,医用画像分類のための独自の畳み込みニューラルネットワーク(CCNN)を提案する。 提案されたCCNNは、同じデータセットを使用した畳み込みニューラルネットワーク(CNN)や他のモデルと比較された。 この研究によると、畳み込みニューラルネットワーク(CCNN)は95.62%の検証精度と0.1270の検証損失を達成した。
  論文  参考訳（メタデータ） (2024-11-02T07:18:53Z)
• 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)
• A study on Deep Convolutional Neural Networks, Transfer Learning and Ensemble Model for Breast Cancer Detection [2.5748316361772963]
  本研究は、乳がん検出におけるオリジナルのCNN、転写学習、アンサンブルモデルを含むD-CNNの性能を比較した。 アンサンブルモデルは、乳がんの検出と分類において99.94%の最も高い検出と分類の精度を提供する。 CNNを用いた乳癌の検出と分類の精度は,CNNモデルが乳癌の診断に有効であることを示唆している。
  論文  参考訳（メタデータ） (2024-09-10T17:58:21Z)
• 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)
• Osteoporosis Prescreening using Panoramic Radiographs through a Deep Convolutional Neural Network with Attention Mechanism [65.70943212672023]
  注意モジュールを持つディープ畳み込みニューラルネットワーク(CNN)はパノラマX線写真上で骨粗しょう症を検出することができる。 49歳から60歳までの70種類のパノラマX線写真(PR)のデータセットを用いて検討した。
  論文  参考訳（メタデータ） (2021-10-19T00:03:57Z)
• Comparative Analysis of Deep Learning Algorithms for Classification of COVID-19 X-Ray Images [0.0]
  コロナウイルスは、2019年に中国の武漢市で最初に発生し、世界中に急速に広まりました。 疾患の早期拡大を早期に抑制するためには、陽性のコロナ患者をできるだけ早く調査することが主な課題である。 これまでの研究では、この種の画像が新型コロナウイルスに関連する重要な詳細を持っていることが示唆された。 改良型人工知能(AI)システムと無線画像の併用は、このウイルスの正確かつ正確な解決には有益であり、遠くの村落で専門医の不足を克服するのにも有用である。
  論文  参考訳（メタデータ） (2021-10-14T04:51:32Z)
• A self-supervised learning strategy for postoperative brain cavity segmentation simulating resections [46.414990784180546]
  畳み込みニューラルネットワーク(CNN)は最先端の画像セグメンテーション技術である。 CNNはトレーニングに大量の注釈付きデータセットを必要とする。 自己教師型学習戦略は、トレーニングにラベルのないデータを活用することができる。
  論文  参考訳（メタデータ） (2021-05-24T12:27:06Z)
• 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)
• Automated Model Design and Benchmarking of 3D Deep Learning Models for COVID-19 Detection with Chest CT Scans [72.04652116817238]
  3D胸部CTスキャン分類のための3D DLモデルを自動的に検索するための差別化可能なニューラルネットワーク探索(DNAS)フレームワークを提案する。 また,我々のモデルのクラスアクティベーションマッピング(cam)技術を利用して,結果の解釈可能性を提供する。
  論文  参考訳（メタデータ） (2021-01-14T03:45:01Z)
• 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)
• Diagnosis of Breast Cancer Based on Modern Mammography using Hybrid Transfer Learning [5.835732870341059]
  本稿では,乳癌検出のための転写学習プロセスに焦点を当てた。 本稿では,改良VGG 16,残差ネットワーク,移動ネットワークを提案し,実装した。
  論文  参考訳（メタデータ） (2020-03-23T05:16:34Z)

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。