論文の概要: An Explainable Attention Model for Cervical Precancer Risk Classification using Colposcopic Images

• arxiv url: http://arxiv.org/abs/2411.09469v1
• Date: Thu, 14 Nov 2024 14:18:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-15 15:23:57.522601
• Title: An Explainable Attention Model for Cervical Precancer Risk Classification using Colposcopic Images
• Title（参考訳）: 大腸内視鏡画像を用いた頚椎前癌リスク分類のための説明可能な注意モデル
• Authors: Smith K. Khare, Berit Bargum Booth, Victoria Blanes-Vidal, Lone Kjeld Petersen, Esmaeil S. Nadimi,
• Abstract要約: 本研究は,患者の大腸内視鏡像に基づいて提案したCervix-AID-Netモデルの設計と評価を行う。 提案モデルでは,クラスアクティベーションマップ,局所解釈型モデル-非可視的説明法,CartoonX,画素レート歪み説明という4つの説明可能な手法を統合した。 ホールドアウトと10倍のクロスバリデーション技術を用いて評価した結果、99.33%と99.81%の分類精度が得られた。
• 参考スコア（独自算出の注目度）: 1.2582887633807602
• License:
• Abstract: Cervical cancer remains a major worldwide health issue, with early identification and risk assessment playing critical roles in effective preventive interventions. This paper presents the Cervix-AID-Net model for cervical precancer risk classification. The study designs and evaluates the proposed Cervix-AID-Net model based on patients colposcopy images. The model comprises a Convolutional Block Attention Module (CBAM) and convolutional layers that extract interpretable and representative features of colposcopic images to distinguish high-risk and low-risk cervical precancer. In addition, the proposed Cervix-AID-Net model integrates four explainable techniques, namely gradient class activation maps, Local Interpretable Model-agnostic Explanations, CartoonX, and pixel rate distortion explanation based on output feature maps and input features. The evaluation using holdout and ten-fold cross-validation techniques yielded a classification accuracy of 99.33\% and 99.81\%. The analysis revealed that CartoonX provides meticulous explanations for the decision of the Cervix-AID-Net model due to its ability to provide the relevant piece-wise smooth part of the image. The effect of Gaussian noise and blur on the input shows that the performance remains unchanged up to Gaussian noise of 3\% and blur of 10\%, while the performance reduces thereafter. A comparison study of the proposed model's performance compared to other deep learning approaches highlights the Cervix-AID-Net model's potential as a supplemental tool for increasing the effectiveness of cervical precancer risk assessment. The proposed method, which incorporates the CBAM and explainable artificial integration, has the potential to influence cervical cancer prevention and early detection, improving patient outcomes and lowering the worldwide burden of this preventable disease.
• Abstract（参考訳）: 頸部がんは世界中で大きな問題であり、早期の同定とリスクアセスメントは効果的な予防的介入において重要な役割を担っている。 本稿では,頚部前癌リスク分類のためのCervix-AID-Netモデルを提案する。 本研究は,患者の大腸内視鏡像に基づいて提案したCervix-AID-Netモデルの設計と評価を行う。 このモデルは、畳み込みブロック注意モジュール(CBAM)と、高リスクと低リスクの頸前がんを区別するために、大腸内視鏡像の解釈可能な特徴と代表的特徴を抽出する畳み込み層から構成される。 さらに,提案したCervix-AID-Netモデルは,勾配クラスアクティベーションマップ,局所解釈可能なモデル非依存記述,CartoonX,および出力特徴マップと入力特徴に基づく画素レート歪み説明という,説明可能な4つの手法を統合する。 ホールドアウト法と10倍クロスバリデーション法を用いて評価した結果,99.33\%,99.81\%の分類精度が得られた。 解析の結果、CartoonXは画像のスムーズな部分を提供する能力のため、Cervix-AID-Netモデルの決定に精通した説明を提供することがわかった。 ガウスノイズとぼかしが入力に与える影響は、ガウスノイズが3 %、ぼかしが10 %まで変化し続けるのに対して、その後は性能が低下することを示している。 提案モデルの性能と他の深層学習手法との比較研究は,頚部前がんリスク評価の有効性を高めるための補助ツールとして,Cervix-AID-Netモデルの可能性を強調している。 CBAMと説明可能な人工統合を組み込んだ本手法は,頚部がんの予防と早期発見に影響を及ぼし,患者の予後を改善し,この予防可能な疾患の世界的な負担を軽減できる可能性が示唆された。

関連論文リスト

• Intelligent Breast Cancer Diagnosis with Heuristic-assisted Trans-Res-U-Net and Multiscale DenseNet using Mammogram Images [0.0]
  乳癌(BC)は、女性のがん関連死亡率に大きく寄与する。 悪性の腫瘤を正確に識別することは 依然として困難です マンモグラフィ画像を用いたBCGスクリーニングのための新しい深層学習手法を提案する。
  論文  参考訳（メタデータ） (2023-10-30T10:22:14Z)
• Developing a Novel Image Marker to Predict the Clinical Outcome of Neoadjuvant Chemotherapy (NACT) for Ovarian Cancer Patients [1.7623658472574557]
  ネオアジュバント化学療法(ネオアジュバントセラピー、Neoadjuvant chemotherapy, NACT)は、卵巣がんの進行期における治療法の一つ。 NACTに対する部分的反応は、近位部破裂手術を引き起こす可能性があり、予後不良を引き起こす。 我々は,NATの早期に高精度な予後予測を実現するために,新しい画像マーカーを開発した。
  論文  参考訳（メタデータ） (2023-09-13T16:59:50Z)
• 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)
• Optimising Chest X-Rays for Image Analysis by Identifying and Removing Confounding Factors [49.005337470305584]
  新型コロナウイルス(COVID-19)のパンデミック(パンデミック)の間、新型コロナウイルス(COVID-19)の診断のための緊急設定で実施される画像の量は、臨床用CXRの取得が広範囲に及んだ。 公開データセット内の臨床的に取得されたCXRの変動品質は、アルゴリズムのパフォーマンスに大きな影響を及ぼす可能性がある。 我々は、新型コロナウイルスの胸部X線データセットを前処理し、望ましくないバイアスを取り除くための、シンプルで効果的なステップワイズアプローチを提案する。
  論文  参考訳（メタデータ） (2022-08-22T13:57:04Z)
• Calibrated Bagging Deep Learning for Image Semantic Segmentation: A Case Study on COVID-19 Chest X-ray Image [3.135883872525168]
  胸部X線(CXR)やCT(CT)などの画像検査は、臨床スタッフに有用な情報を提供することができる。 深層学習は、新型コロナウイルス感染症領域のセグメンテーションと疾患分類の実行に応用されている。 本研究では,バッジ深層学習とモデル校正を統合した新しいアンサンブル深層学習モデルを提案する。
  論文  参考訳（メタデータ） (2022-05-27T20:06:45Z)
• Improving Classification Model Performance on Chest X-Rays through Lung Segmentation [63.45024974079371]
  本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。 提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
  論文  参考訳（メタデータ） (2022-02-22T15:24:06Z)
• Cervical Optical Coherence Tomography Image Classification Based on Contrastive Self-Supervised Texture Learning [2.674926127069043]
  本研究の目的は,コンピュータ支援診断(CADx)による頚部CT画像の自己教師付き学習に基づく分類を行うことである。 畳み込みニューラルネットワーク(CNN)によって抽出された高レベルのセマンティックな特徴に加えて、CADxアプローチでは、対照的なテクスチャ学習によって学習された未ラベルの頚部CT画像のテクスチャ特徴を利用する。
  論文  参考訳（メタデータ） (2021-08-11T07:52:59Z)
• Malignancy Prediction and Lesion Identification from Clinical Dermatological Images [65.1629311281062]
  臨床皮膚画像から機械学習に基づく悪性度予測と病変の同定を検討する。 まず, サブタイプや悪性度に関わらず画像に存在するすべての病変を同定し, その悪性度を推定し, 凝集により, 画像レベルの悪性度も生成する。
  論文  参考訳（メタデータ） (2021-04-02T20:52:05Z)
• Variational Knowledge Distillation for Disease Classification in Chest X-Rays [102.04931207504173]
  我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。 提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
  論文  参考訳（メタデータ） (2021-03-19T14:13:56Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)
• Integrative Analysis for COVID-19 Patient Outcome Prediction [53.11258640541513]
  我々は、集中治療室入院の必要性を予測するために、人口統計、バイタルサイン、実験室の所見から、肺不透明度の放射能と非画像の特徴を組み合わせる。 また, 地域性肺炎を含む他の肺疾患にも適用できるが, 地域性肺炎に限らない。
  論文  参考訳（メタデータ） (2020-07-20T19:08:50Z)

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。