論文の概要: Deep Learning Enabled Segmentation, Classification and Risk Assessment of Cervical Cancer

• arxiv url: http://arxiv.org/abs/2505.15505v1
• Date: Wed, 21 May 2025 13:25:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-22 15:42:59.661358
• Title: Deep Learning Enabled Segmentation, Classification and Risk Assessment of Cervical Cancer
• Title（参考訳）: 頸部癌における深層学習による分類・分類・リスク評価
• Authors: Abdul Samad Shaik, Shashaank Mattur Aswatha, Rahul Jashvantbhai Pandya,
• Abstract要約: 世界で4番目に多い女性がんの原因である頸部がんは、パパ・スミアテストによる早期発見が必要である。 本研究では,細胞の境界を区分けし,がん細胞を分離するために境界ボックスを描画することにより,焦点を絞った解析を行った。 様々な解像度とアスペクト比の画像を効果的に処理するために,新しいディープラーニングアーキテクチャであるMulti-Resolution Fusion Deep Convolutional Networkを提案した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cervical cancer, the fourth leading cause of cancer in women globally, requires early detection through Pap smear tests to identify precancerous changes and prevent disease progression. In this study, we performed a focused analysis by segmenting the cellular boundaries and drawing bounding boxes to isolate the cancer cells. A novel Deep Learning (DL) architecture, the ``Multi-Resolution Fusion Deep Convolutional Network", was proposed to effectively handle images with varying resolutions and aspect ratios, with its efficacy showcased using the SIPaKMeD dataset. The performance of this DL model was observed to be similar to the state-of-the-art models, with accuracy variations of a mere 2\% to 3\%, achieved using just 1.7 million learnable parameters, which is approximately 85 times less than the VGG-19 model. Furthermore, we introduced a multi-task learning technique that simultaneously performs segmentation and classification tasks and begets an Intersection over Union score of 0.83 and a classification accuracy of 90\%. The final stage of the workflow employs a probabilistic approach for risk assessment, extracting feature vectors to predict the likelihood of normal cells progressing to malignant states, which can be utilized for the prognosis of cervical cancer.
• Abstract（参考訳）: 世界第4位のがんの原因である頸部がんは、先天的な変化を識別し、疾患の進行を防ぐために、パパスミアテストによる早期発見を必要とする。 本研究では,細胞の境界を区分けし,がん細胞を分離するために境界ボックスを描画することにより,焦点を絞った解析を行った。 新たなDeep Learning (DL) アーキテクチャである ‘Multi-Resolution Fusion Deep Convolutional Network’ が提案され,その有効性はSIPaKMeDデータセットを用いて示される。 このDLモデルの性能は、VGG-19モデルより約85倍少ないたった170万の学習可能なパラメータを用いて達成された、わずか2\%から3\%の精度変化を持つ最先端のモデルと類似していることがわかった。 さらに,分割処理と分類処理を同時に行うマルチタスク学習手法を導入し,ユニオンスコア0.83と分類精度90\%のインターセクションを求める。 ワークフローの最終段階は、リスク評価のための確率論的アプローチを採用し、悪性状態に進行する正常細胞の可能性を予測するために特徴ベクトルを抽出し、子宮頸癌の予後に利用することができる。

関連論文リスト

• Exploiting Precision Mapping and Component-Specific Feature Enhancement for Breast Cancer Segmentation and Identification [0.0]
  乳房病変の分類・分類のための新しいDeep Learning(DL)フレームワークを提案する。 本稿では,PMAD-LinkNetセグメンテーションフレームワークの高精度マッピング機構(PMM)を提案する。 また、コンポーネント固有の特徴拡張モジュール (CSFEM) を導入し、コンポーネント固有の特徴強化分類器 (CSFEC-Net) を提案する。
  論文  参考訳（メタデータ） (2024-07-03T06:40:26Z)
• AXIAL: Attention-based eXplainability for Interpretable Alzheimer's Localized Diagnosis using 2D CNNs on 3D MRI brain scans [43.06293430764841]
  本研究では,3次元MRIを用いたアルツハイマー病診断の革新的手法を提案する。 提案手法では,2次元CNNがボリューム表現を抽出できるソフトアテンション機構を採用している。 ボクセルレベルの精度では、どの領域に注意が払われているかを同定し、これらの支配的な脳領域を同定する。
  論文  参考訳（メタデータ） (2024-07-02T16:44:00Z)
• Breast Cancer Image Classification Method Based on Deep Transfer Learning [40.392772795903795]
  深層学習と転写学習を組み合わせた乳癌画像分類モデルを提案する。 実験結果から, アルゴリズムは, 従来のモデルに比べて分類精度が有意に向上し, テストセットの84.0%以上の効率を達成することが示された。
  論文  参考訳（メタデータ） (2024-04-14T12:09:47Z)
• 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)
• Domain Transfer Through Image-to-Image Translation for Uncertainty-Aware Prostate Cancer Classification [42.75911994044675]
  前立腺MRIの非対位画像翻訳のための新しいアプローチと臨床的に重要なPCaを分類するための不確実性認識トレーニングアプローチを提案する。 提案手法では,無ペアの3.0T多パラメータ前立腺MRIを1.5Tに翻訳し,利用可能なトレーニングデータを増強する。 実験の結果,提案手法は,従来の研究に比べてAUC(Area Under ROC Curve)を20%以上改善することがわかった。
  論文  参考訳（メタデータ） (2023-07-02T05:26:54Z)
• 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)
• Harvesting, Detecting, and Characterizing Liver Lesions from Large-scale Multi-phase CT Data via Deep Dynamic Texture Learning [24.633802585888812]
  ダイナミックコントラストCT(Dynamic contrast Computed Tomography)のための完全自動多段階肝腫瘍評価フレームワークを提案する。 本システムでは, 腫瘍提案検出, 腫瘍採取, 原発部位の選択, 深部テクスチャに基づく腫瘍評価の4段階からなる。
  論文  参考訳（メタデータ） (2020-06-28T19:55:34Z)

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。