Computer-Aided Cytology Diagnosis in Animals: CNN-Based Image Quality Assessment for Accurate Disease Classification

要約

この論文では、畳み込みニューラル ネットワーク (CNN) を使用した画質評価 (IQA) に焦点を当てた、動物向けに設計されたコンピューター支援細胞診診断システムについて説明します。
システムの構成要素は、IQA をシームレスに統合するように調整されており、疾患分類における信頼性の高いパフォーマンスを保証します。
私たちは、さまざまな画像のバリエーションやシナリオを処理する CNN の能力を広範囲に調査し、低品質の入力データの検出への影響を分析します。
さらに、有効な細胞サンプルとアーティファクトのある細胞サンプルを区別するネットワークの能力も評価されます。
私たちの研究では、ResNet18 ネットワーク アーキテクチャを採用し、入力サイズとトリミング戦略がモデルのパフォーマンスに及ぼす影響を調査しています。
この研究は、動物のコンピューター支援細胞診診断における CNN ベースの IQA の重要性を明らかにし、疾患分類の精度を高めます。

要約(オリジナル)

This paper presents a computer-aided cytology diagnosis system designed for animals, focusing on image quality assessment (IQA) using Convolutional Neural Networks (CNNs). The system’s building blocks are tailored to seamlessly integrate IQA, ensuring reliable performance in disease classification. We extensively investigate the CNN’s ability to handle various image variations and scenarios, analyzing the impact on detecting low-quality input data. Additionally, the network’s capacity to differentiate valid cellular samples from those with artifacts is evaluated. Our study employs a ResNet18 network architecture and explores the effects of input sizes and cropping strategies on model performance. The research sheds light on the significance of CNN-based IQA in computer-aided cytology diagnosis for animals, enhancing the accuracy of disease classification.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google