論文の概要: Advanced cervical cancer classification: enhancing pap smear images with hybrid PMD Filter-CLAHE

• arxiv url: http://arxiv.org/abs/2506.15489v1
• Date: Wed, 18 Jun 2025 14:26:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-19 19:35:51.689113
• Title: Advanced cervical cancer classification: enhancing pap smear images with hybrid PMD Filter-CLAHE
• Title（参考訳）: 頚部癌の高度な分類 : ハイブリッドPMDフィルタCLAHEによる乳頭スミア画像の高次化
• Authors: Ach Khozaimi, Isnani Darti, Syaiful Anam, Wuryansari Muharini Kusumawinahyu,
• Abstract要約: 畳み込みニューラルネットワーク(CNN)は、頚癌検診の自動化を約束している。 本研究では, 頚癌分類における各種画像前処理技術がCNN性能に及ぼす影響について検討した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Cervical cancer remains a significant health problem, especially in developing countries. Early detection is critical for effective treatment. Convolutional neural networks (CNN) have shown promise in automated cervical cancer screening, but their performance depends on Pap smear image quality. This study investigates the impact of various image preprocessing techniques on CNN performance for cervical cancer classification using the SIPaKMeD dataset. Three preprocessing techniques were evaluated: perona-malik diffusion (PMD) filter for noise reduction, contrast-limited adaptive histogram equalization (CLAHE) for image contrast enhancement, and the proposed hybrid PMD filter-CLAHE approach. The enhanced image datasets were evaluated on pretrained models, such as ResNet-34, ResNet-50, SqueezeNet-1.0, MobileNet-V2, EfficientNet-B0, EfficientNet-B1, DenseNet-121, and DenseNet-201. The results show that hybrid preprocessing PMD filter-CLAHE can improve the Pap smear image quality and CNN architecture performance compared to the original images. The maximum metric improvements are 13.62% for accuracy, 10.04% for precision, 13.08% for recall, and 14.34% for F1-score. The proposed hybrid PMD filter-CLAHE technique offers a new perspective in improving cervical cancer classification performance using CNN architectures.
• Abstract（参考訳）: 頸部がんは、特に発展途上国において重要な健康上の問題である。 早期発見は効果的な治療に重要である。 畳み込みニューラルネットワーク(CNN)は、頚癌検診の自動化において有望であるが、その性能は、パップスミア画像の品質に依存している。 本研究では,SIPaKMeDデータセットを用いた頚癌分類における各種画像前処理技術がCNN性能に及ぼす影響について検討した。 ノイズ低減のためのPMDフィルタ,画像コントラスト強調のためのコントラスト限定適応ヒストグラム等化(CLAHE),提案したハイブリッドPMDフィルタ-CLAHE手法の3つの前処理手法を評価した。 強化された画像データセットは、ResNet-34、ResNet-50、SqueezeNet-1.0、MobileNet-V2、EfficientNet-B0、EfficientNet-B1、DenseNet-121、DenseNet-201といった事前訓練されたモデルで評価された。 以上の結果から,Popスミア画像の品質とCNNアーキテクチャの性能は,Popスミア画像よりも向上することが示唆された。 最大精度は13.62%、精度は10.04%、リコールは13.08%、F1スコアは14.34%である。 提案するハイブリッドMDフィルタ-CLAHE法は,CNNアーキテクチャを用いた頚部癌分類性能の向上に向けた新たな視点を提供する。

関連論文リスト

• Optimized Pap Smear Image Enhancement: Hybrid PMD Filter-CLAHE Using Spider Monkey Optimization [0.0]
  そこで本研究では,パップスミア画像の品質向上に最適化されたハイブリッド手法を提案する。 クモ猿最適化(SMO PMD-CLAHE)を用いたハイブリッド手法の最適化 提案手法は,5.45のEME,60.45のRMS,0.995のMC,6.80のエントロピーを平均的に評価した。
  論文  参考訳（メタデータ） (2025-02-21T02:34:57Z)
• New Insight in Cervical Cancer Diagnosis Using Convolution Neural Network Architecture [0.0]
  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。
  論文  参考訳（メタデータ） (2024-10-23T10:11:39Z)
• 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)
• Performance of GAN-based augmentation for deep learning COVID-19 image classification [57.1795052451257]
  ディープラーニングを医療分野に適用する上で最大の課題は、トレーニングデータの提供である。 データ拡張は、限られたデータセットに直面した時に機械学習で使用される典型的な方法論である。 本研究は, 新型コロナウイルスの胸部X線画像セットを限定して, StyleGAN2-ADAモデルを用いて訓練するものである。
  論文  参考訳（メタデータ） (2023-04-18T15:39:58Z)
• Chest X-ray Image Phase Features for Improved Diagnosis of COVID-19 Using Convolutional Neural Network [2.752817022620644]
  最近の研究で、新型コロナウイルス患者のX線写真には、新型コロナウイルスに関する情報が含まれていることが示されている。 胸部X線(CXR)は、高速な撮像時間、広範囲の可用性、低コスト、可搬性から注目されている。 本研究では、CXR画像から新型コロナウイルスの分類を改善するために、新しい多機能畳み込みニューラルネットワーク(CNN)アーキテクチャを設計する。
  論文  参考訳（メタデータ） (2020-11-06T20:26:26Z)
• 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)
• Coronavirus (COVID-19) Classification using Deep Features Fusion and Ranking Technique [0.0]
  新型コロナウイルスを早期に検出するために, 深部特徴を融合・ランク付けする手法が提案された。 提案手法は, 98.27%の精度, 98.93%の感度, 97.60%の特異性, 97.63%の精度, 98.28%のF1スコア, 96.54%のマシューズ相関係数(MCC)測定値を示す。
  論文  参考訳（メタデータ） (2020-04-07T20:43:44Z)
• Advanced Deep Learning Methodologies for Skin Cancer Classification in Prodromal Stages [0.3058685580689604]
  提案した研究は2つの主要なフェーズから構成される。 第1フェーズでは、画像が前処理され、クラッタが除去され、訓練画像の洗練されたバージョンが生成される。 実験の結果,両ネットワークの精細化版を用いて,列車および検証精度の顕著な向上を示した。 アートインセプション-v3ネットワークを用いた最終テスト精度は86%であった。
  論文  参考訳（メタデータ） (2020-03-13T16:07:00Z)

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。